Université de Montréal Topographie de l’activité EEG en fuseaux au cours du sommeil chez des enfants et adultes autistes par Marjolaine Chicoine Sciences biomédicales Faculté de Médecine Mémoire présenté à la Faculté de Médecine en vue de l’obtention du grade de Maître en Sciences Biomédicales option Psychiatrie Juillet 2013 © Marjolaine Chicoine, 2013 Université de Montréal Faculté des études supérieures et postdoctorales Ce mémoire intitulé : Topographie de l’activité EEG en fuseaux au cours du sommeil chez des enfants et adultes autistes Présenté par : Marjolaine Chicoine a été évalué par un jury composé des personnes suivantes : Marc Lavoie, président-rapporteur Roger Godbout, directeur de recherche Adrianna Mendrek, membre du jury Table des matières A) Liste des tableaux......................................................................................................... v C) Liste des sigles et abréviations................................................................................... vii D) Remerciements.......................................................................................................... viii E) Résumé........................................................................................................................ ix F) Résumé (en anglais) ..................................................................................................... x 1. Introduction .................................................................................................................. 1 1.1 Contexte historique ................................................................................................ 1 1.2 L’horloge circadienne ........................................................................................... 1 1.3 Le sommeil ............................................................................................................ 2 1.3.1 Les stades du sommeil ................................................................................... 3 1.3.2 Alternance SL-SP .......................................................................................... 7 1.3.3 Ontogénie du sommeil ................................................................................... 8 1.3.4 Mécanismes de protection du sommeil ......................................................... 9 1.3.5 Les fonctions du sommeil ............................................................................ 13 1.3.6 Les fuseaux de sommeil : genèse et caractéristiques ................................... 15 1.3.7 Rôle et ontogénèse des fuseaux de sommeil ............................................... 17 1.4 L’autisme ............................................................................................................ 21 1.4.1 Les habiletés intellectuelles ......................................................................... 22 1.4.2 Comorbidité et médication .......................................................................... 24 1.4.3 Développement du cerveau ......................................................................... 25 1.4.4 Neurotransmetteurs ...................................................................................... 28 1.4.5 Le sommeil dans l’autisme .......................................................................... 29 1.4.6 Les fuseaux de sommeil dans l’autisme ...................................................... 31 2 Objectifs et hypothèses .............................................................................................. 34 2.1 Objectifs .............................................................................................................. 34 2.2 Hypothèses .......................................................................................................... 35 2.2.1 Effet du diagnostic ....................................................................................... 35 2.2.2 Effet de l’âge ............................................................................................... 35 2.2.3 Effet de la région ......................................................................................... 35 3 Matériel et Méthodes ................................................................................................. 36 3.1 Participants ......................................................................................................... 36 3.1.1 L’utilisation d’un psychostimulant .............................................................. 38 3.2 Collecte des données........................................................................................... 40 3.3 Éthique ................................................................................................................ 41 3.4 Analyses statistiques ........................................................................................... 41 3.4.1 Hypothèse du diagnostic .............................................................................. 42 3.4.2 Hypothèse de l’âge ...................................................................................... 43 3.4.3 Hypothèse de la région ................................................................................ 44 4 Résultats ..................................................................................................................... 45 4.1 Effet du diagnostic .............................................................................................. 45 4.2 Effet de l’âge....................................................................................................... 46 4.3 Effet de la région ................................................................................................ 47 5 Discussion .................................................................................................................. 51 5.1 Effet du diagnostic .............................................................................................. 51 5.2 Effets de l’âge ..................................................................................................... 52 5.3 Effet de la région ................................................................................................ 54 5.4 Limites de l’étude ............................................................................................... 55 5.5 Implications et importance de l’étude................................................................. 55 6 Conclusion ................................................................................................................. 57 7 Références .................................................................................................................. 59 iv A) Liste des tableaux Tableau I : Caractéristiques des sujets participant à l’étude 39 Tableau II : Balises de Cohen servant à l’interprétation des effets de tailles 46 Tableau III : Densités de fuseaux de sommeil aux électrodes Fp1, Fp2, C3 et C4 dans les groupes à l’étude 48 B) Liste des figures Figure 1. Stades du sommeil 6 Figure 2. Mécanisme d’alternance entre le sommeil lent et le sommeil paradoxal 8 Figure 3. Hypnogrammes 11 Figure 4. Minutes des stades de sommeil selon l’âge 12 Figure 5. Augmentation du temps d’éveil après l’endormissement avec l’âge 12 Figure 6. Boucle thalamo-corticale 17 Figure 7. Calcul et positionnement des électrodes sur le scalp 40 Figure 8. Densités de fuseaux chez les enfants contrôles et autistes aux quatre sites d’enregistrement 49 Figure 9. Densités de fuseaux chez les adultes contrôles et autistes aux quatre sites d’enregistrement 49 Figure 10. Densités de fuseaux chez les enfants et les adultes contrôles aux quatre sites d’enregistrement 50 Figure 11. Densités de fuseaux chez les enfants et les adultes autistes aux quatre sites d’enregistrement 50 C) Liste des sigles et abréviations AUT : autisme, autiste. CTRL : Contrôle, contrôles. DSM-IV-TR : Diagnostic and Statistical Manual of Mental Disorders IV, Text Revision. EEG : Électroencéphalographie, électroencéphalogramme. EMG : Électromyographie, électromyogramme. EOG : Électro-oculographie, électro-oculogramme. E.S.M. : Erreur Standard sur la Moyenne. Hz : Hertz. MANOVA : Multiple Analysis Of Variance. PSG : Polysomnographie, polysomnogramme. REM : Rapid Eye Movement (mouvement oculaire rapide). SL : sommeil lent. SLP : sommeil lent profond. SP : sommeil paradoxal. TSA : trouble du spectre autistique. WAIS : Wechsler Adult Intelligence Scale. WASO : Wake After Sleep Onset (éveil après l’endormissement). WISC : Wechsler Intelligence Scale for Children. µV : microvolt. D) Remerciements Ce projet a pu être mené grâce aux financements des IRSC (Instituts de Recherche en Santé au Canada) et du FRQS (Fonds de Recherche du Québec, Santé) accordés au Dr Roger Godbout Ph.D., responsable du laboratoire du sommeil à l’hôpital Rivière-des-Prairies. Plusieurs membres du laboratoire ont également fourni une aide considérable à la réalisation de ce travail, notamment Roger Godbout, que je remercie d’abord pour son dévouement auprès de ses étudiants. Merci Roger pour les nombreuses heures passées à réviser certains concepts ou textes; ta générosité est sans borne et ton enseignement fut davantage qu’académique à mes yeux. Je tiens également à remercier Élyse Chevrier et ses techniciens pour les nuits blanches d’enregistrement, la collecte des données ainsi que pour le support dans l’utilisation des différents logiciels du laboratoire. En ce sens, je remercie particulièrement Claude Berthiaume pour le soutien statistique et sa patience inégalée. Merci encore à Sophie Tessier, Martin Pelletier, Sabine Duplan et les étudiants que j’ai eu la chance de croiser pour ces grandes discussions et réflexions sur la vie et ses possibilités. Je garde en mémoire autant nos moments de panique, se révélant n’être bien souvent que le fruit de notre imagination, que nos idées révolutionnaires pour changer le monde. Et comme on réalise rarement un exploit seul, je veux également remercier ma famille et mes amis pour m’avoir supportée dans ce cheminement. Non seulement vous m’avez toujours encouragée à poursuivre mes rêves, mais vous m’avez en plus fourni le soutien moral lorsque la motivation faillait. Dans les lettres de mon nom vous y lirez tous les vôtres et ce mémoire est teinté de vos empreintes. Enfin, merci à tous ceux qui ont contribué, de près ou de loin, à la réalisation de ce mémoire, notamment aux participants qui ont formé le cœur même de cette recherche. E) Résumé Les fuseaux de sommeil sont des ondes électroencéphalographiques reflétant les mécanismes électrophysiologiques de protection du sommeil. Les adultes autistes ont un sommeil léger et moins de fuseaux de sommeil que des adultes neurotypiques. L’étude vérifie si les enfants autistes montrent également moins de fuseaux de sommeil que les enfants neurotypiques et documente leur évolution avec l’âge. Nous avons enregistré le sommeil de 34 adultes (16 autistes) et 26 enfants (13 autistes) et comparé la quantité de fuseaux de sommeil enregistrés aux électrodes préfrontales (Fp1, Fp2) et centrales (C3, C4). Les deux groupes montrent une diminution similaire des fuseaux en vieillissant. Le groupe d’enfants autistes montre moins de fuseaux que le groupe témoin aux électrodes Fp2 et C4; les adultes autistes montrent significativement moins de fuseaux que les adultes contrôles aux deux électrodes centrales. Le mauvais sommeil des autistes pourrait être causé par une faible protection du sommeil déjà présente en bas âge. Mots clés : Fuseaux de sommeil, Autisme, Ontogénie, Cortex, Thalamus. F) Résumé (en anglais) Autism is characterized by poor sleep maintenance. Sleep spindles are electroencephalographic markers representing a sleep protective mechanism. Autistic adults display less spindles than matched controls. This study investigates sleep spindle activity in children and adults with and without autism. The sleep of 34 adults (16 autistics) and 26 children (13 autistics) was recorded. Sleep spindles were counted and compared between groups at prefrontal (Fp1, Fp2) and central (C3, C4) electrodes. Both diagnostic groups showed a similar decrease in sleep spindle with age. Autistic children had significantly less spindles than controls at Fp2 and C4; adults with autism had significantly less spindles than controls at the two central electrodes. Poor sleep in children and adults with autism may be due to impaired protective mechanisms. The developmental pattern of sleep spindle topography suggests an atypical maturational course of the thalamo-cortical loop in autism. Keywords: Sleep spindles, Autism, Ontogeny, Cortex, Thalamus. 1. Introduction 1.1 Contexte historique Nos ancêtres se doutaient bien que le sommeil est vital et qu’il possède des fonctions physiologiques importantes, mais ce n’est qu’en 1955, avec la découverte de l’existence du sommeil paradoxal, que la recherche a pris son essor pour en démontrer scientifiquement les fonctions. Plus récemment, des études de privation de sommeil chez les rongeurs ont prouvé que le sommeil est un besoin essentiel à l’adaptation cognitive et à la survie (Rechtschaffen et al. 1989), la privation de sommeil entraînant même la mort plus rapidement que la privation de nourriture chez des rongeurs (selon une revue de Siegel 2005). Ces grandes avancées, tributaires de l’étude des champs électriques corticaux, ont permis de percer certains mystères du sommeil. Il en subsiste toutefois plusieurs, notamment dans le cas des pathologies psychiatriques dont l’autisme. Ce mémoire veut donc contribuer à mieux comprendre les troubles du sommeil dont souffrent les personnes ayant un trouble du spectre autistique. 1.2 L’horloge circadienne Une expérience de Jean-Jacques d’Ortous de Mairan, réalisée en 1729, nous permettait déjà de soupçonner l’existence d’un rythme biologique circadien. En effet, il a remarqué qu’une plante héliotrope ouvrait ses feuilles au matin et les refermait la nuit tombée. En isolant cette plante dans un environnement sombre et clos, il se rend compte que celle-ci maintient son alternance entre l’ouverture et la fermeture de ses feuilles sur la base d’un rythme endogène, indépendamment de la lumière du soleil (de Mairan 1729). Cette célèbre expérience était le reflet de ce qu’on appellerait bien plus tard les rythmes biologiques régulés par l’horloge circadienne. Les recherches subséquentes ont établi que cette principale horloge biologique circadienne, expression venant du latin circa, pour « environ » et diem, pour « une journée », est située dans les noyaux suprachiasmatiques de l’hypothalamus antérieur (Takahashi 2008; Pace-Schott 2002; Bear 1997). Elle reçoit des informations externes en continu qui lui permettent de synchroniser les rythmes du corps sur un cycle de 24 heures, en phase avec la photopériode solaire, sans quoi elle adopterait un cycle autonome spontané évalué au-delà de 24 heures (24,5-25,5 heures chez l’homme) (Bear 1997). Le meilleur synchroniseur est le cycle naturel de lumière-obscurité. Ceci favorise une synchronisation avec le monde extérieur essentielle entre autres pour la régulation de la digestion, la répartition de l’énergie aux différents organes ainsi que pour la sécrétion de plusieurs hormones (Takahashi 2008; Bear 1997). Le cortisol, par exemple, a un pic sécrétoire tôt en matinée alors que son nadir est retrouvé habituellement vers minuit. Un autre exemple est la sécrétion de mélatonine, une hormone associée au sommeil, qui dépend de l’établissement de périodes distinctes entre la lumière et l’obscurité. Cette hormone n’est effectivement sécrétée qu’en obscurité et facilite donc l’endormissement (Gronfier 2009;Vessely et Lewy 2002; Bear 1997). Une autre fonction de l’horloge circadienne est la régulation du cycle éveil-sommeil (Takahashi 2008; PaceSchott 2002; Bear 1997). 1.3 Le sommeil Le sommeil est défini comme étant un état réversible pendant lequel le cerveau s’isole du monde sensoriel qui l’entoure (Carskadon et Dement 2011; Takahashi 2008; Bear 1997). Deux mécanismes principaux sous-tendent la régulation de l’alternance entre la veille et le sommeil. D’abord, le processus S (pour sleep-dependent process), dit processus 2 d’homéostasie, qui représente la propension à dormir et dont l’influence s’accroit avec l’accumulation des heures consécutives d’éveil (Borbély 1982). Durant la période de sommeil, cette dette de sommeil s’estompe et retourne à des niveaux basaux (Borbély 1982). L’autre mécanisme également responsable de la venue du sommeil est appelé le processus C (pour circadian process), soit l’augmentation de la propension au sommeil à certaines périodes de la journée de 24 heures, soit la nuit chez les humains adultes (Takahashi 2008; Pace-Schott 2002; Bear 1997; Borbély 1982). Il y a 45 ans un consortium de chercheurs mettait au point un atlas permettant la différenciation de cinq stades de sommeil sur la base de l’observation de tracés polygraphiques divisés en époques de 20 ou 30 secondes, selon les protocoles (Rechtschaffen et Kales 1968). L’étude des potentiels électriques du cerveau (électroencéphalogramme : EEG), des mouvements oculaires (électro-oculogramme : EOG) et du tonus musculaire (électromyogramme : EMG) a permis de découvrir que le sommeil se présente sous différentes formes (Brown 2012; Pace-Schott 2002; Rechtschaffen et Kales 1968). 1.3.1 Les stades du sommeil La période d’endormissement s’accompagne de l’initiation du processus d’isolement du cerveau marquée par la disparition des ondes alpha à l’EEG (8-12 Hz) au profit des ondes thêta (figure 1, page 6). On voit aussi apparaître des mouvements oculaires lents à l’EOG et le tonus musculaire est soutenu. Cette phase d’assoupissement est le stade 1 du sommeil, lequel occupe environ 5% d’une nuit totale de sommeil. Suite à 5-10 minutes de stade 1, l’apparition du stade 2 du sommeil marque le véritable endormissement par la présence d’éléments 3 phasiques à l’EEG tels les fuseaux de sommeil et les complexes K (Brown 2012; Fogel et Smith 2011; Fogel et al. 2009; Rechtschaffen et Kales 1968), indiquant que le cortex s’isole des stimuli externes (voir plus bas). De plus, lors du stade 2 les mouvements oculaires cessent alors que le tonus musculaire demeure maintenu (figure 1, page 6). Le stade 2 occupe environ 50% d’une nuit totale de sommeil (Brown 2012; Rechtschaffen et Kales 1968). Après 20 à 40 minutes de stade 2, l’EEG ralentit et s’amplifie. Lorsque la proportion d’ondes lentes de type delta (fréquence inférieure à 4 Hz, amplitude supérieure à 75 µV) occupe entre 20 et 50% d’une époque d’un tracé de 20 secondes, il s’agit du stade 3 de sommeil et lorsque cette proportion dépasse la moitié de la durée de l’époque il s’agit du stade 4. Les stades 3 et 4 sont de plus en plus souvent regroupés sous le vocable « sommeil lent profond » (SLP), comme représenté à la figure 1, page 6; les stades 1 à 4 sont regroupés sous le vocable plus général de sommeil lent (SL). Le SLP occupe environ 20% d’une nuit totale de sommeil (Brown 2012; Rechtschaffen et Kales 1968). Après 70-90 minutes de sommeil apparait le 5e stade du sommeil, communément appelé le sommeil paradoxal (SP). Il tient ce nom de l’observation concomitante de signes de faible amplitude, rappelant l’EEG d’éveil, de même que des mouvements oculaires rapides à l’EOG (de là le nom anglo-saxon de « Rapid Eye Movement sleep ») chez une personne profondément endormie et montrant une atonie musculaire complète à l’EMG (figure 1, page 6). Le SP occupe environ le quart d’une nuit totale de sommeil (Brown 2012; Pace-Schott 2002; Rechtschaffen et Kales 1968). 4 Cette séquence des stades 1 à 5, qui dure environ 90 minutes, se répétera toute la nuit, mais la structure interne de chaque cycle évoluera d’une fois à l’autre : plus la nuit avancera, moins il y aura de SLP et plus la proportion de SP sera importante (van der Helm 2009; Chokroverty 1999) (figure 3, page 11). Ainsi, chez l’enfant et le jeune adulte, presque tout le SLP sera concentré dans le premier tiers de la nuit alors que le SP sera majoritaire dans la seconde moitié de la nuit (van der Helm 2009; Chokroverty 1999). 5 (1) (2) Figure 1. Stades du sommeil adapté de Godbout (Godbout 2013). Les échantillons montrent des époques de 20 secondes. Flèche : disparition des ondes alpha, marquant le début du stade 1; (1) fuseau; (2) complexe K. 6 1.3.2 Alternance SL-SP Le mécanisme responsable de l’alternance entre les périodes de sommeil lent et de sommeil paradoxal à l’intérieur d’un cycle est basé sur deux réseaux neuronaux du tronc cérébral qui s’influencent réciproquement. La figure 2 de la page 8 schématise ces interactions (Pace-Schott 2002). En résumé, les neurones aminergiques (sérotonine, noradrénaline) du noyau du raphé et du locus coeruleus ont une activité prépondérante en début de cycle et ils sont responsables de la facilitation du SL et de l’inhibition du SP. Avec le temps qui passe, l’activité des neurones aminergiques diminue pendant que les neurones cholinergiques du noyau tegmental pédonculopontin (abréviation anglophone PPT, pedunculopontine tegmental nucleus) et du noyau tegmental latérodorsal (abréviation anglophone LTD, laterodorsal tegmental nucleus) responsables de la facilitation du SP sont progressivement désinhibés et leur activité dépasse un seuil critique au-delà duquel le SP est déclenché. S’ensuit alors une boucle de régulation positive entre l’acétylcholine sécrétée par le PPT et le LTD et le glutamate de la formation réticulaire du tronc cérébral (abréviation anglophone BRF, brainstem reticular formation), facilitant le SP et une autorégulation cholinergique négative du PPT et du LTD. Un système d’horloges biologiques fait en sorte que l’activité du réseau facilitateur de la fraction « SLP » du SL est favorisée en début de nuit par l’homéostasie et l’horloge circadienne en raison de ses fonctions primordiales (voir la section 1.3) alors que l’activité du réseau facilitateur de la fraction SP est favorisée en fin de nuit par une influence de l’horloge circadienne (Brown et al. 2012; Pace-Schott 2002; Borbély 1982). 7 Figure 2. Mécanisme d’alternance entre le sommeil lent et le sommeil paradoxal (tirée de Pace-Schott 2002). REM-off, réseau inhibiteur du sommeil paradoxal; REM-on, réseau facilitateur du sommeil paradoxal; 5-HT, sérotonine; NA, noradrénaline; RN, noyau du raphé; LC, locus coeruleus; ACh, acétylcholine; PPT, noyau tegmental pédonculopontin; LDT, noyau tegmental latérodorsal; BRF, formation réticulaire du tronc cérébral 1.3.3 Ontogénie du sommeil Le sommeil se modifie en fonction de l’âge chronologique et de la maturation du cerveau (Brown 2012; Buchmann et al. 2011; Ohayon et al. 2004; Purves 2003). Une étude a même remarqué des différences dans les longueurs de cycles de sommeil chez des jeunes de 3 mois à 16 ans (Scholle et al. 2007). En effet, durant l’enfance, on remarque davantage de périodes en SLP tel qu’illustré sur les hypnogrammes présentés à la figure 3 (page 11) (Chokroverty 1999). Les stades 3 et 4 sont impliqués dans la sécrétion de plusieurs hormones, notamment celle de l’hormone de croissance qui atteint son pic sécrétoire durant la nuit ainsi que dans l’activation de la réponse immunitaire (Godbout 2005;Vessely et Lewy 2002). Le jeune adulte typique présente des périodes de sommeil lent profond, mais ils occupent un moins grand pourcentage de la nuit que chez l’enfant, alors que le stade 2 est davantage présent (Purves 2003; Chokroverty 1999). Le sommeil des adultes âgés quant à lui ne montre 8 presqu’aucune période de SLP, car à cet âge les ondes delta ont moins d’amplitude; on trouve donc plus de stade 1 et de stade 2 (Chokroverty 1999). De plus, les périodes d’éveil après l’endormissement augmentent. Le sommeil a donc tendance à se fragmenter et à se fragiliser en vieillissant (voir les figures 3, 4 et 5 aux pages 11 et 12) (Carskadon et Dement 2011; Ohayon et al. 2004; Chokroverty 1999). Ceci laisse penser que les mécanismes de protection du sommeil perdent de leur efficacité. 1.3.4 Mécanismes de protection du sommeil Les mécanismes actifs durant l’éveil doivent d’abord être inhibés afin de permettre l’endormissement. La période d’endormissement est donc caractérisée par une diminution des décharges électriques des neurones libérant la sérotonine et l’acétylcholine dans les régions du système réticulaire excitateur ascendant, associées à l’éveil (Bear 1997). On remarque un phénomène semblable pour les neurones thalamo-corticaux inhibés par le GABA libéré par le noyau réticulaire du thalamus, ce qui isole le cerveau des stimuli externes et protège ainsi le sommeil (Peter-Derex 2012; Jankel & Niedermeyer 1985). On note d’ailleurs que l’hyperpolarisation des neurones thalamo-corticaux augmente avec la profondeur du sommeil (Olejniczak 2006), ce qui illustre bien ce mécanisme de protection. Un autre exemple de ceci est l’inhibition des neurones à orexine (aussi appelé hypocrétine) durant la nuit. Il a été démontré que l’orexine est un peptide d’éveil par plusieurs études recensées dans la revue exhaustive de Brown et ses collègues (Brown 2012). En effet, pour ne donner que quelques exemples, l’excitation spécifique des neurones à orexine de 9 l’hypothalamus latéral à des fréquences supérieures à 5 Hz augmente significativement le risque de suppression du sommeil et de transition à l’éveil (Adamantidis 2009), alors que des antagonistes visant les récepteurs de l’orexine ont résulté en une augmentation du SL et du SP (Brisbare-Roch 2007). Une déficience en orexine est également impliquée dans la physiopathologie de la narcolepsie, une maladie neurologique caractérisée par de l’hypersomnolence (Brown 2012; Brisbare-Roch 2007). Pour faciliter le sommeil, les neurones à orexine doivent être inhibés par un mécanisme que l’on pourrait qualifier de protecteur du sommeil. Les neurones GABAergiques de l’aire préoptique et du prosencéphale basal inhibent les neurones à orexine de l’hypothalamus latéral permettant cette diminution de l’état d’éveil (Brown 2012; Siegel 2005). Les neurones GABAergiques sont également impliqués dans un autre mécanisme de protection du sommeil. En effet, on retrouve dans les noyaux préoptiques ventrolatéral et médian une grande concentration de neurones GABAergiques promouvant le sommeil (Brown 2012). Ces neurones des deux noyaux projettent massivement vers le système réticulaire activateur ascendant, reconnu comme étant impliqué dans les états d’éveil (Brown 2012). Finalement, une multitude de facteurs externes promouvant le sommeil furent grandement étudiés et décrits dans la littérature. Comme une revue de ces facteurs dépasse le cadre de ce présent mémoire, nous nous contenterons d’en énumérer les critères et d’en donner une liste succincte. D’abord l’administration de la substance en question doit initier le sommeil. Ensuite, sa concentration cérébrale doit augmenter selon la propension au sommeil et enfin, la substance doit agir au niveau des régions cérébrales et des neurones impliqués dans 10 la régulation de la veille et du sommeil (Brown 2012). Les substances les plus connues sont l’adénosine, l’oxide nitrique, la prostaglandine D2 ainsi que certaines cytokines (Brown 2012; Siegel 2005). Figure 3. Hypnogrammes adaptés et traduits de Chokroverty (Chokroverty 1999). Trois hypnogrammes sont ici superposés pour démontrer le changement dans la proportion des stades de sommeil au cours du vieillissement. On y voit également que le SLP est concentré davantage en début de nuit alors que le SP l’est en fin de nuit. Les enfants ont davantage de SLP (stades 3 et 4 confondus) que les jeunes adultes qui eux en ont plus que les adultes âgés. Le sommeil devient plus léger et se fragmente en vieillissant. 11 Figure 4. Minutes des stades de sommeil selon l’âge (tirée de Ohayon 2004). Le temps consacré aux stades 1, 2 et au SP durant la nuit reste relativement stable avec l’âge, de même que la latence au sommeil. Par contre, le temps total de sommeil et le temps passé en SLP (SWS, Slow Wave Sleep) diminuent en vieillissant contrairement au temps d’éveil après l’endormissement qui augmente (WASO, Wake After Sleep Onset). Figure 5. Augmentation du temps d'éveil après l'endormissement avec l’âge (tirée de Carskadon 2011). Le nombre de minutes totales d’éveil suite au premier endormissement et avant le dernier réveil augmente en vieillissant. 12 1.3.5 Les fonctions du sommeil On peut schématiquement catégoriser les fonctions du sommeil en deux groupes : les fonctions somatiques, principalement sous la responsabilité du SL, et les fonctions neurocognitives, principalement sous la responsabilité du SP (Fogel 2011 et 2009; Forest 2005; Godbout 2005; Purves 2003; Bear 1997). Parmi les fonctions somatiques on retrouve la régulation de plusieurs hormones, dont l’hormone de croissance comme discuté précédemment (Godbout 2005;Vessely et Lewy 2002). De plus, le SL est associé à la régulation de la température corporelle et cérébrale ainsi qu’à l’activation du réseau immunitaire, dont la production d’anticorps, la réparation de tissus et la régénération neuronale (Besedovsky et al. 2012, Frank 2006; Godbout 2005; Siegel 2005). Ces synthèses cellulaires ne sont pas les seuls éléments générés lors du SL. C’est également un stade où la consommation d’ATP (adénosine tri-phosphate), un composé d’énergie, est diminuée; les stocks énergétiques sont donc emmagasinés (Brown 2012; Siegel 2005; Bear 1997). De plus, on remarque une production accrue des acides gras, du glycogène ainsi que de plusieurs protéines, dont cérébrales, durant le SL comparativement aux activités lors de l’éveil ou en privation de sommeil (Brown 2012; Siegel 2005). Parmi les fonctions neuro-cognitives associées au SP on retrouve la maturation du système nerveux central ainsi que la synaptogenèse, principalement durant le développement de l’enfant. En effet, les animaux immatures à la naissance (comme le rat et l’humain) ont davantage de SP que les animaux matures à la naissance, comme le cochon d’Inde (Brown 2012; Siegel 2005; Morrissey et al. 2004). 13 À un niveau de complexité supérieure, le sommeil joue un rôle dans la performance cognitive, la consolidation des apprentissages diurnes et la mémoire. En effet, Godbout recense des études ayant montré un lien entre le sommeil et l’amélioration de l’apprentissage et de la mémoire, contrairement au simple passage du temps (Godbout 2005). De plus, une étude s’intéressant aux patients ayant une amnésie antérograde dans atteinte de la mémoire à court terme a remarqué une amélioration de leur rappel verbal suite à une période de sommeil (Cowan 2004). Le sommeil lent comme le sommeil paradoxal influenceraient positivement l’apprentissage. Une corrélation positive fut remarquée entre la quantité de sommeil en stade 2 en fin de nuit et une tâche de rapidité motrice, alors que d’autres appuient l’idée que ce sont plus spécifiquement les fuseaux de sommeil dans le stade 2 qui amélioreraient les apprentissages (Godbout 2005). Des études ont ainsi associé les fuseaux de sommeil à la mémorisation de paires de mots, à la mémoire spatiale et à l’attention sélective (voir Godbout 2005 pour une recension de ces études). Concernant le SP, des études décrites par Godbout ont noté que sa quantité et/ou sa qualité étaient associées à des tâches verbales telles l’apprentissage d’une seconde langue, d’un langage informatique et du code morse, ainsi que des tâches visuelles ou multimodales (Godbout 2005). Les protocoles de privation partielle de sommeil (soit en début de nuit, brimant le SL y étant majoritairement présent; soit en fin de nuit, réduisant le temps passé en SP, y étant concentré) ont ainsi conclu que le SL était davantage relié au rappel implicite et procédural (mémoire inconsciente) alors que le SP est plus associé au rappel explicite et déclaratif (mémoire consciente et volontaire) (voir Godbout 2005). 14 Un mécanisme d’alternance entre le SL et le SP fait donc en sorte que le sommeil remplit ses fonctions somatiques surtout en début de nuit alors qu’il remplit ses fonctions neuro-cognitives surtout en fin de nuit (voir section 1.3.2). 1.3.6 Les fuseaux de sommeil : genèse et caractéristiques Lors de l’endormissement, le cortex s’isole des stimuli extérieurs grâce à des mécanismes dont les fuseaux de sommeil synthétisent l’expression (Peter-Derex et al. 2012). Ceux-ci sont formés par la boucle thalamo-corticale, comme illustré sur la figure 6 de la page 17 (Purves 2003), grâce aux décharges en bouffées du noyau réticulé du thalamus par ses neurones GABAergiques (Brown 2012). En effet, lorsqu’un influx externe atteint les cellules thalamocorticales glutamatergiques afin que le message soit transmis au cortex, les cellules GABAergiques du noyau réticulé du thalamus sont également stimulées et elles inhibent temporairement les cellules thalamo-corticales. À la fin de cette inhibition, les neurones thalamo-corticales se dépolarisent, reprennent leur activité sous forme de bouffées de potentiels d’actions excitateurs jusqu’au cortex. Le glutamate des cellules thalamo-corticales excite alors les cellules pyramidales du cortex et ce dernier répond de trois façons : 1) le cortex transmet un signal aux organes effecteurs (étape non indiquée sur la figure), 2) il complète une boucle courte de rétroaction en stimulant le thalamus, ce qui informe ce dernier que le message a bien été reçu, 3) il envoie un signal au noyau réticulaire du thalamus et la boucle longue de rétroaction négative est à nouveau complétée par l’action inhibitrice du GABA des cellules réticulaires du thalamus sur les cellules thalamo-corticales (Brown 2012; De Gennaro 2003; Purves 2003). Celles-ci redeviennent alors temporairement inhibées et le 15 cycle est alors prêt à être réinitié. Lors de l’endormissement, cette inhibition fait en sorte que peu de signaux réussissent à atteindre le cortex (Purves 2003). En s’activant, cette boucle thalamo-corticale génère une synchronisation des différents noyaux produisant une bouffée électrique oscillatoire qui, captée par les électrodes de l’EEG, donne la forme caractéristique du fuseau (Purves 2003). Ainsi, les fuseaux, nommés pour la première fois par Alfred Loomis et son équipe en 1935 (Loomis et al. 1935), sont définis comme étant une série d’ondes sinusoïdales d’une fréquence oscillant entre 12 et 14-16 Hz et d’une durée entre 0,5 et 2,0 à 3,0 secondes, selon les études (Fogel et Smith 2011; Schönwald et al. 2011; Iber 2007; Scholle et al 2007; De Gennaro et Ferrara 2003; Dijk 1993). 16 Figure 6. Boucle thalamo-corticale (tirée de Purves 2003). Les afférences excitatrices et inhibitrices entre les cellules réticulaires du thalamus, le thalamus ainsi que les cellules pyramidales du cortex forment, lorsque leur interaction est synchronisée, les ondes oscillatoires caractéristiques des fuseaux de sommeil. 1.3.7 Rôle et ontogénèse des fuseaux de sommeil La majorité des études associe aux fuseaux de sommeil un rôle dans la consolidation des apprentissages et l’élaboration de la mémoire à long terme, tâche partagée également avec le sommeil paradoxal (Fogel & Smith 2011; Schönwald 2011), alors que d’autres précisent qu’ils seraient également impliqués dans le raffinement des connaissances et aptitudes déjà acquises (Fogel 2009; Fogel & Smith 2011). En effet, lors de la nuit suivant une période d’apprentissage procédural, un grand nombre d’auteurs a observé une augmentation de la densité des fuseaux de sommeil, corroborant ainsi cette théorie (Fogel 2009;Peter-Derex et al. 17 2012). Par ailleurs, il a été récemment démontré que la quantité de fuseaux de sommeil chez des adultes autistes (de haut-niveau et Asperger) était inversement corrélée avec le nombre d’essais nécessaires pour réussir une tâche de mémoire procédurale sensori-motrice (Limoges 2013). Une plus grande quantité de fuseaux de sommeil servirait donc les participants neurotypiques à l’accomplissement de cette tâche. Plusieurs chercheurs s’accordent finalement pour dire que les fuseaux seraient la partie visible de l’activité corticale sous-jacente et synchronisée soutenant justement les réseaux nerveux responsables de cette consolidation ou mémorisation, notamment l’hippocampe (Dijk 1993). Des études ont également montré l’existence d’un lien entre les fuseaux de sommeil et l’intelligence chez les adultes. Le nombre de fuseaux de sommeil en Fp1 et leur densité en Fp2 et en F4 (voir la figure 7 de la page 40 pour un schéma des sites d’électrodes) se sont révélés positivement corrélés avec la capacité mentale générale, une mesure de l’intelligence obtenue par des tâches de raisonnement et de résolution de problèmes (Bodizs et al. 2005). Le nombre de fuseaux de sommeil au courant de la nuit et les indices de quotients intellectuels de performance et global seraient aussi positivement reliés selon une étude préliminaire de Nader et Smith (Nader et Smith 2001). Chez les enfants, des analyses spectrales ont établi une association positive entre la puissance spectrale et l’intelligence pour la bande d’activité EEG « sigma », entre 12 et 15 Hz, soit celle qui correspond à la fréquence des ondes qui composent les fuseaux de sommeil (Geiger et al. 2011). Comme le démontrent plusieurs études, les fuseaux auraient également un rôle de protection du sommeil. En effet, ils aideraient d’abord à protéger le cortex des stimuli externes 18 lors de l’endormissement (Peter-Derex et al. 2012). En ce sens, Crowley et son équipe mentionnent une diminution des réponses du cerveau lors de stimulations auditives lorsque des fuseaux sont présents (Crowley et al. 2002). Une autre observation qui appuie ce rôle protecteur des fuseaux vient du fait que le sommeil se fragmente et devient plus fragile avec l’âge (figure 5 de la page 12) (Ohayon et al. 2004), ce qui est accompagné d’une diminution de la densité des fuseaux en vieillissant (De Gennaro et Ferrara 2003; Crowley et al 2002). Malgré cette tendance globale de diminution des fuseaux de sommeil en vieillissant, des études ont comparé des groupes d’âge plus finement et ont pu montrer des fluctuations dans la densité des fuseaux de sommeil de l’enfance à l’adolescence. Chez les nourrissons d’à peine 3 mois on voit déjà une ébauche de ce à quoi ressembleront les fuseaux de sommeil, mais il faudra attendre au quatrième mois post-partum pour que ces derniers soient bien exprimés. De 4 à 6 mois, les fuseaux sont davantage nombreux, mais on voit une forme typique apparaître vers l’âge de deux ans seulement (Scraggs 2012). Par la suite, Scholle et son équipe ont noté une augmentation significative de la quantité de fuseaux de sommeil de 1 à 16 ans. Notons toutefois qu’ils n’ont pas évalué les jeunes entre 6 et 11 ans (Scholle et al 2007). En vieillissant, la densité des fuseaux de sommeil diminue ensuite graduellement et des différences significatives ont été montrées entre autres par Crowley en 2002 qui comparait le sommeil de jeunes adultes de 18-25 ans avec des adultes ayant un âge moyen de 75 ans (Crowley et al 2002). Leur étude a observé notamment que les jeunes adultes produisaient 19 jusqu’à 4 fois plus de fuseaux que les adultes âgés (en termes de nombre de fuseaux par minute de sommeil en stade 2). Plusieurs hypothèses tentent d’expliquer ce phénomène, dont celle de l’altération probable avec l’âge de la boucle thalamo-corticale (Crowley et al 2002). McGeer a observé dans la population générale une dégradation des neurones GABAergiques avec l’âge (McGeer et McGeer 1980). Or ceux-ci assurent l’auto-régulation thalamique négative de la boucle thalamo-corticale tel que discuté précédemment (Brown 2012; De Gennaro 2003; Purves 2003). La dégradation des neurones GABAergiques aurait donc un impact sur l’intégrité de la boucle thalamo-corticale, pouvant ainsi altérer l’expression des fuseaux de sommeil. Bien que l’activité EEG en fuseau puisse varier d’un individu à l’autre (De Gennaro 2000 et 2003), des patrons maturationnels stables sont observables. Ainsi, la littérature semble suggérer que la quantité de fuseaux de sommeil diminuerait avec l’âge (De Gennaro 2003; Crowley 2002). De plus, la littérature couverte jusqu’à présent laisse croire que les fuseaux de sommeil pourraient aussi être un marqueur de l’intégrité des réseaux corticaux, y compris dans les désordres développementaux (Ferrarelli 2007; Scholle 2007; De Gennaro 2003; Shibagaki 1982). Ainsi, des études ont remarqué une quantité faible de fuseaux chez des patients schizophrènes (Ferrarelli 2007) ou chez ceux ayant un retard mental (Shibagaki 1982). Plus pertinent au présent mémoire, on a remarqué une diminution des fuseaux de sommeil chez les personnes autistes adultes comparés à des adultes neurotypiques (Limoges 2005). Par contre aucune étude n’a fait cette comparaison chez les enfants autistes et neurotypiques et il n’y a donc conséquemment aucune étude qui ait comparé l’évolution de la quantité des fuseaux de 20 sommeil avec l’âge dans une population autiste, en comparaison à des groupes de sujets neurotypiques. Ce manque à combler est d’autant plus important que l’on sait que les fuseaux sont associés à des fonctions cognitives majeures impliquées dans l’autisme (Fogel 2011 et 2009). 1.4 L’autisme Le trouble du spectre autistique (TSA) est un trouble envahissant du développement qui comprend l’autisme en tant que tel, le syndrome d’Asperger (une forme d’autisme sans retard dans le développement du langage) et les troubles envahissants du développement nonspécifiés. Le consensus actuel est que le TSA a une origine neurobiologique, due principalement à des facteurs génétiques caractérisés par de multiples altérations hétérogènes (El-Fishawy & State 2010). Les premiers signes de TSA apparaissent dès l’âge de 36 mois et le syndrome dure toute une vie (Piven 1996). Le diagnostic selon le DSM-IV-TR est basé sur une triade de symptômes : 1) une altération qualitative des interactions sociales, 2) de la communication verbale et non-verbale ainsi que 3) des intérêts et comportements restreints, répétitifs et stéréotypés dont la symptomatologie survient avant l’âge de 36 mois (American Psychiatric Association 2003). La prévalence estimée de l’autisme varie selon les études et les pays où elles ont été menées. Aux États-Unis, selon deux études d’envergure parues en 2007 et en 2012, elle était de 110 et de 113 sur 10 000 enfants de 3 à 17 ans pour la première étude et de 8 ans pour la seconde (selon un échantillon de plus de 80 000 sujets pour chacune des études) et dont la proportion est d’environ 4 à 5 garçons pour 1 fille (Kogan 2009; CDC 2012). Fombonne et son équipe ont également montré une prépondérance de l’autisme chez des 21 garçons, dans ces mêmes proportions, dans une revue de littérature sur 43 études publiées de 1966 à 2009 (Fombonne 2009). En Allemagne, l’équipe de Bachmann a estimé en 2009 cette prévalence à 37 et 12 sur 10 000 respectivement pour les garçons et les filles (un ratio d’environ 3:1), sur un échantillon de 1 124 patients de la naissance à 24 ans (Bachmann 2013). Finalement, une autre étude, datant de 2006, a recensé des résultats de sondages entre 1966 et 2001 concernant la prévalence de l’autisme et a vu qu’elle était de 0,7 à 72,6 pour 10 000 habitants, tous âges confondus. Ils ont également évalué, sur des études de 1992 à 2001, une prévalence médiane de 12,7 diagnostics du trouble du spectre autistique pour 10 000 habitants (Williams 2006). Une excellente revue de la littérature de Silver et Rapin nous rappelle que l’autisme ne possède encore aucun marqueur biologique spécifique et reste en contrepartie défini principalement par la présence des signes comportementaux évoqués ci-dessus (Silver et Rapin 2012). Ceci explique en partie la multitude d’études sur l’autisme qui tentent d’en déterminer l’étiologie et les particularités dans plusieurs domaines dont les habiletés intellectuelles, la comorbidité et la médication, les particularités sensorimotrices, le développement du cerveau, les neurotransmetteurs ainsi que le sommeil comme nous le verrons dans les prochaines sections. 1.4.1 Les habiletés intellectuelles Bien que la déficience intellectuelle soit une comorbidité répandue dans le TSA, elle ne doit pas être considérée lors du diagnostic. En effet, selon le sous-type d’autisme, la prévalence de la déficience intellectuelle (quotient intellectuel, QI, inférieur à 70) est évaluée à 22 66,7 % pour l’autisme, 12,0 % pour les troubles envahissants du développement non-spécifiés et à 0 % pour le syndrome d’Asperger (Chakrabarti 2005). Une autre étude évaluant le QI d’enfants autistes de 8 ans dans 14 états des États-Unis a montré que 38 % d’entre eux présentaient une déficience intellectuelle, 24 % se trouvaient à la limite inférieure de la normalité (QI de 71 à 85) alors que 38 % étaient dans la moyenne ou supérieurs à la moyenne (QI > 85) (CDC 2012). Le QI examine les capacités intellectuelles selon trois domaines : les capacités verbales (QIV), de performance (QIP) et globales, soit un mélange des catégories précédentes (QIG). Le WAIS (Weschler Adult Intelligence Scale) est utilisé chez les adultes alors que le WISC (Weschler Intelligence Scale for Children) est adapté pour les enfants (Wechsler 1997; Wechsler 1991). Certains sous-tests du WISC montrent un patron caractéristique pour les autistes. Ainsi, les autistes ont des pics d’habiletés pour les blocs, une sous-tâche non-verbale du QIP consistant à recréer un motif à l’aide de blocs rouges et blancs (Dawson 2007). Par contre, on retrouve souvent une difficulté lors du sous-test de compréhension, une tâche du QIV requérant une réponse verbale logique à une situation de résolution de problème et évaluant ainsi les capacités de raisonnement social et pratique (Dawson 2007). Les difficultés langagières retrouvées chez certains autistes pourraient donc influencer négativement leur pointage de QIV et donc globalement leur QIG. Un autre test d’intelligence, mesurant cette fois le raisonnement analytique, est donc souvent utilisé pour départager le diagnostic de déficience intellectuelle chez les autistes des faux-positifs obtenus avec les tests de Wechsler (Dawson 2007). Cette batterie de tests se 23 nomme les matrices progressives de Raven et consiste à trouver, dans un motif géométrique donné, l’image permettant de compléter la portion vide de la matrice. La complexité du test varie en fonction de la soixantaine de planches qui le composent (Raven 1998). Dawson et son équipe ont donc comparé les QI d’enfants et d’adultes autistes et non-autistes avec les pointages obtenus aux matrices progressives de Raven. Ils ont constaté que, contrairement aux participants contrôles, les participants autistes avaient des résultats plus faibles lorsqu’évalués par les tests de Wechsler comparativement aux matrices de Raven (Dawson 2007). La déficience intellectuelle détectée par les matrices de Raven montrerait également qu’elle touche environ 5 % des autistes, ce qui est nettement inférieur au 29,8 % des tests de Wechsler (Chakrabarti 2005; Dawson 2007). 1.4.2 Comorbidité et médication Il est de plus en plus rare de retrouver des autistes n’ayant qu’un seul diagnostic et n’étant pas médicamentés. D’abord, on estime que jusqu’à 70% des sujets étant diagnostiqués d’un trouble du spectre de l’autisme recevront un deuxième diagnostic en santé mentale au cours de leur vie (Simonoff 2008). Les comorbidités les plus fréquentes sont les désordres hyperkinétiques, la déficience intellectuelle (QI < 70), l’épilepsie, l’anxiété et les troubles de conduite dans des proportions différentes selon les études (Tuchman 2002; Simonoff 2008; Silver 2012; Bachmann 2013). Comme l’autisme repose sur des bases comportementales, il n’existe aucune médication spécifique à cette condition. Par contre, la Food and Drug Administration (FDA), régissant entre autres les médicaments aux États-Unis, approuve depuis 2006 l’utilisation de 24 Rispéridone chez les enfants et adolescents autistes pour les aider à calmer leur irritabilité (FDA 2006). On réalise ainsi que, majoritairement, les médicaments prescrits aux autistes visent davantage une condition comorbide. En effet, une étude de Bachmann parue en 2013 et étudiant les dossiers de plus de 1 000 jeunes autistes en Allemagne montre que le tiers d’entre eux a reçu une prescription pour un agent psychotrope. Parmi ceux-ci, les médicaments habituellement prescrits dans le trouble déficitaire de l’attention (TDAH) sont les plus populaires (12,5%), suivis des antipsychotiques (11,7%) et des anti-épileptiques (9,1%). (Bachmann 2013). 1.4.3 Développement du cerveau Depuis quelques années, des études sur l’anatomie et la neurophysiologie du cerveau des autistes ont mis en évidence des atypies, qui évolueraient avec l’âge, grâce aux techniques d’imagerie par résonnance magnétique régulière et fonctionnelle et finalement à partir de coupes histologiques. D’abord, on remarque un développement du cerveau des enfants autistes légèrement plus rapide que celui des enfants contrôles. Le développement du cerveau autiste, inféré à partir de la circonférence de la tête, atteindrait un plateau plus rapidement que celui des enfants neurotypiques pour ensuite se stabiliser et être de grosseur normale à l’âge adulte (Silver et Rapin 2012; Courchesne 2004). Des études en imagerie par résonnance magnétique ont confirmé que le volume maximal de cerveaux d’enfants autistes est atteint vers l’âge de 5 ans, soit de 6 à 10 ans plus tôt que leurs contrôles neurotypiques. Vers l’âge de 2-3 ans, le cerveau des enfants autistes contient notamment jusqu’à 12% de plus de matière grise que le 25 cerveau des enfants neurotypiques. Finalement l’augmentation du volume de matière grise atteint également un plateau vers l’âge de 4 ans, soit environ 5 ans plus rapidement que les enfants neurotypiques (Courchesne 2004; Courchesne et al. 2001). Des études par résonnance magnétique fonctionnelle décrits par Courchesne (Courchesne 2004) se sont intéressées à l’activité du cerveau d’enfants autistes durant l’exécution de tâches d’attention. Ces études ont démontré que les cerveaux d’enfants autistes présentaient moins d’activation des régions du cervelet et avaient moins de cellules de Purkinje que leurs contrôles neurotypiques. Il a aussi été montré que l’aire préfrontale des enfants autistes se développait rapidement et stagnait par la suite alors que les enfants neurotypiques avaient une vitesse de développement régulière (Courchesne 2004). Il est alors estimé que la diminution de ces cellules de Purkinje, neurones GABAergiques du cortex cérebelleux, pourrait entraîner un manque d’inhibition des régions frontales et ainsi expliquer le développement rapide atypique des régions antérieures chez les jeunes enfants autistes. De plus, il a été démontré que ces anomalies de la neurotransmission GABAergique dans l’autisme sont impliquées dans l’altération du fonctionnement de la boucle thalamo-corticale (Thatcher 2009), pouvant ainsi diminuer l’expression des fuseaux de sommeil dans l’autisme. En 2010, l’équipe de Kurth a décrit une maturation du cortex avec l’âge selon un axe postéro-antérieur chez des sujets neurotypiques (Kurth 2010). Cette trajectoire suivrait un ordre logique en considérant que les fonctions cérébrales primaires sont davantage reliées aux régions postérieures du cerveau alors que les fonctions dites complexes et comportementales le sont plus généralement dans les régions antérieures (frontales) (Kurth et al. 2010). Or nous 26 venons de voir que le développement du cerveau chez les enfants autistes serait atypique (Courchesne 2004), ce qui laisse supposer que l’axe de maturation antéro-postérieur différerait dans cette population. Au niveau microscopique, des études en histologie tentent aussi d’expliquer cette augmentation atypique du volume cérébral des enfants autistes. En effet, des études postmortem ont démontré des différences structurelles dans l’organisation corticale reflétée par les macro- et les mini-colonnes. Ces réseaux neuronaux font le lien entre les différentes structures corticales : la macro-colonne contient les mini-colonnes, elles-mêmes renfermant les neurones. Les atypies démontrées par l’étude de Casanova concernent d’abord le nombre de neurones par mini-colonne qui serait plus important chez les autistes. Par contre, les mini-colonnes elles-mêmes sont moins larges chez les autistes que chez les neurotypiques (Casanova 2007; Casanova et al. 2006). Les connexions entre les différentes structures corticales connexes chez les autistes seraient donc plus efficaces en raison du plus grand nombre de neurones. Il s’est également avéré que pour des connexions entre des structures rapprochées (réseaux locaux), le cerveau des autistes contient davantage de neurones et de matière blanche. En contrepartie, les connexions entre les structures éloignées (réseaux distaux) montrent moins de matière blanche et de neurones comparativement à un cerveau neurotypique (Casanova 2007). La grande quantité de neurones et de matière blanche dans les réseaux locaux chez les autistes pourrait refléter davantage de connexions entre les différentes structures corticales. Pour les réseaux distaux, ceci pourrait refléter une connexion appauvrie entre les différentes aires cérébrales chez les autistes. 27 1.4.4 Neurotransmetteurs Outre les anomalies reliées au GABA citées plus haut, plusieurs études ont depuis une cinquantaine d’années remarqué des niveaux de sérotonine plasmatique et cérébral plus élevés chez des personnes autistes (Anderson 1987; Chugani 1999, 2002; Kolevzon 2010). Par contre, cette différence marquée se voit principalement chez les autistes ne prenant aucune médication; les autistes médicamentés ont quant à eux des niveaux de sérotonine se rapprochant davantage des sujets neurotypiques (Anderson 1987). Chugani présente la synthèse cérébrale de sérotonine d’une façon originale, soit en comparant la synthèse chez des enfants aux niveaux retrouvés chez des adultes. Les enfants neurotypiques ont montré une capacité de synthèse sérotoninergique plus de 2 fois supérieure aux niveaux exprimés chez des adultes neurotypiques jusqu'à l’âge 5 ans (Chugani 2002). Chez des singes rhésus, cette augmentation marquée de la synthèse sérotoninergique survient pendant les deux premières années de vie (Goldman-Rakic et Brown, 1982). La capacité de synthèse de sérotonine diminue ensuite graduellement pour atteindre les niveaux moyens des adultes. Quant aux enfants autistes, leur capacité de synthèse de la sérotonine augmente graduellement de 2 à 11 ans pour atteindre des valeurs jusqu’à 150% plus élevées que celles des adultes neurotypiques (Chugani 1999 et 2002). Pour déterminer la cause de ce phénomène, une équipe de chercheurs a réduit l’apport diététique en tryptophane, un précurseur de la sérotonine, chez des sujets autistes nonmédicamentés pour réaliser que cette diète accentuait certains comportements associés à l’autisme tels marcher sur la pointe des pieds, se balancer et frapper rythmiquement, 28 augmentait les niveaux d’anxiété et affectait l’humeur des participants (McDougle 1996). Une autre étude a démontré une corrélation négative entre les niveaux de sérotonine plasmatique et l’auto-mutilation chez 78 enfants autistes (Kolevzon 2010). Par contre, comme discuté précédemment au point 1.4.2 sur les comorbidités et la médication chez les autistes, plusieurs études, dont la revue de Kolevzon, ont remarqué une amélioration des comportements et intérêts obsessifs et répétitifs chez certains autistes grâce aux inhibiteurs sélectifs de la recapture de la sérotonine (Kolevzon 2006). Bien que ces antidépresseurs ne soient pas efficaces chez tous les autistes, ces résultats contradictoires suggèrent des mécanismes différents au sein d’un groupe d’individus partageant un même diagnostic. 1.4.5 Le sommeil dans l’autisme Ces personnes autistes éprouvent des difficultés de sommeil, notamment au niveau de son initiation et maintien (Silver & Rapin 2012; Guénolé et al. 2011; Richdale et Schreck 2009; Krakowiak 2008; Limoges et al. 2005). Les troubles du sommeil chez les enfants autistes sont une plainte subjective récurrente des parents, alors qu’eux-mêmes s’en plaignent rarement. Selon les études, de 44 à 83% de parents d’enfants autistes rapportent que leur enfant souffre de troubles du sommeil, alors que cette proportion est d’environ 20-30% chez des enfants contrôles d’âge préscolaire et de seulement 11% d’enfants d’âge scolaire, toujours selon leurs parents ou tuteurs (Kotagal et Broomall 2012; Silver et Rapin 2012; Krakowiak 2008). Les troubles du sommeil dans l’autisme peuvent également être démontrés par des mesures objectives, soient avec l’évaluation de leurs rythmes biologiques et par les études en polysomnographie. 29 D’abord, des études ont noté que des marqueurs de l’intégrité de l’horloge circadienne montrent des caractéristiques inattendues chez les autistes par rapport à des sujets neurotypiques. Par exemple, deux revues de littérature mentionnent un profil de sécrétion inverse de la mélatonine chez des enfants autistes, ou encore des atypies du rythme de sa sécrétion comparativement à une cohorte contrôle (Silver & Rapin 2012; Glickman 2010). La sécrétion atypique de cette hormone pourrait expliquer en partie la difficulté des autistes à initier et maintenir leur sommeil, d’autant plus qu’on connait maintenant l’efficacité d’un traitement à la mélatonine sur leur sommeil, tel que recensé dans plusieurs études et revues de littérature récentes (Kotagal et Broomall 2012; Silver et Rapin 2012; Guénolé et al 2011). D’autres études ont également noté que les comportements typiques d’isolement et d’indépendance retrouvés chez les autistes pourraient nuire à leur compréhension des marqueurs sociaux leur indiquant l’heure imminente du coucher (Richdale & Schreck 2009). De plus, il est estimé que la grande majorité des autistes démontrent soit une hypo ou une hyper-sensibilité aux stimuli externes (Marco et al. 2011). Les comportements évoqués ci-haut et l’hypo/hyper-sensibilité aux stimuli externes peuvent donc résulter en une détection amoindrie de la lumière et ainsi nuire à la synchronisation de leur horloge circadienne (Kotagal et Broomall 2012; Silver et Rapin 2012; Glickman 2010; Richdale et Schreck 2009; Goodlin-Jones et al. 2008). En contrepartie, il a été démontré qu’un meilleur sommeil améliore les comportements diurnes négatifs associés à l’autisme (Richdale et Schreck 2009). Il semblerait donc que le mauvais sommeil des autistes et certains de leurs comportements diurnes négatifs soient réciproquement influencés. 30 En ce qui concerne le sommeil lui-même, Limoges et son équipe ont démontré en 2005 quelques particularités de l’architecture du sommeil d’adultes autistes de haut niveau et Asperger. En effet, grâce à l’enregistrement polysomnographique, ils ont observé que les autistes avaient une plus grande latence au sommeil, un sommeil moins efficace et davantage d’éveils après l’endormissement que leurs sujets contrôles appariés (Limoges et al 2005). Des résultats similaires sont aussi obtenus chez les enfants. En effet, beaucoup d’études impliquant des enfants autistes de plusieurs groupes d’âge mentionnent qu’ils souffrent de l’un ou l’autre des trois types d’insomnie (initiation du sommeil, maintien du sommeil et éveil précoce), ont une faible efficacité de sommeil, un sommeil non-réparateur, une durée d’éveils après l’endormissement élevée, moins de mouvements oculaires rapides et de fuseaux, davantage de stade 1 et moins de temps passé en sommeil lent profond (Silver et Rapin 2012; Guénolé et al 2011; Glickman 2010; Lambert, Tessier et al. 2010; Richdale et Schreck 2009; Miano et al. 2007). Il faut également noter que ces observations sont confirmées par des appareils de mesures ambulatoires en actigraphie, soit par un dispositif porté au poignet non-dominant servant à mesurer la quantité de mouvements et l’exposition à la lumière 1.4.6 Les fuseaux de sommeil dans l’autisme Comme discuté précédemment, les fuseaux de sommeil sont impliqués dans les processus d’apprentissage, la mémoire et la consolidation du sommeil. Il devient alors intéressant de comparer leur densité avec une population pour qui ces trois mécanismes de semblent différents, soient les autistes (Marco et al 2011; Nemeth et al. 2010; Limoges 2013; Limoges et al 2005). Cet intérêt nait également du fait que de plus en plus d’études tendent à inclure les troubles du sommeil comme un indice supplémentaire au diagnostic de l’autisme 31 (Richdale et Schreck 2009; Goodlin-Jones et al 2008; Limoges et al 2005). En considérant la diminution de la densité de fuseaux en vieillissant selon la théorie de l’altération physiologique de la boucle thalamo-corticale, on peut émettre l’hypothèse d’un fonctionnement atypique de ce mécanisme pour des populations particulières, dont l’autisme. En effet, il se pourrait que le peu de fuseaux émis par les participants autistes tel que montré dans l’étude de Limoges soit le reflet de cette atypie (Limoges et al 2005). Aucune autre étude à notre connaissance ne s’est intéressée à l’évolution des fuseaux de sommeil dans une population autiste selon l’âge. Une telle étude non seulement comblerait cette lacune mais elle permettrait d’établir les bases qui justifieraient une étude d’association entre les fuseaux de sommeil et la performance cognitive d’enfants et adultes autistes dans les asphères cognitives où ils montrent des déficits et qui sont justement corrélées à l’activité des fuseaux de sommeil (Limoges 2013). En résumé, nous avons couvert en introduction que des atypies chez des personnes ayant un trouble du spectre autistique ont été démontrées pour la sérotonine et le GABA, deux neurotransmetteurs impliqués dans la modulation de l’activité du thalamus et de la boucle thalamo-corticale. Cette boucle est responsable de la genèse des fuseaux de sommeil impliqués dans plusieurs mécanismes, dont les processus d’apprentissage et la consolidation du sommeil. Or, les densités de fuseaux de sommeil chez les autistes diffèrent des niveaux habituellement retrouvés chez des neurotypiques, supposant une dysfonction de la boucle thalamo-corticale. Bien que celle-ci montre des signes d’altération physiologique avec l’âge de par la diminution de la densité de fuseaux en vieillissant, aucune étude n’a documenté ce phénomène chez les autistes. Finalement, l’on pourrait croire que les fuseaux représenteraient 32 un marqueur de la maturation corticale suivant l’axe postéro-antérieur chez des neurotypiques. Ce projet permet donc de documenter l’évolution des fuseaux de sommeil, une activité EEG GABA-dépendante et thalamo-dépendante dans l’autisme. 33 2 Objectifs et hypothèses 2.1 Objectifs Ce mémoire comporte donc deux objectifs principaux et un sous-objectif. D’abord, nous voulons étudier les fuseaux de sommeil chez des personnes autistes, en évaluant des enfants et des adultes autistes. En effet, il a été démontré dans les sections précédentes que des adultes autistes présentaient moins de fuseaux de sommeil qu’un groupe contrôle apparié (Limoges 2005). Il est donc intéressant de voir si cette différence trouvée chez des adultes autistes se reflète également chez des enfants autistes. En second lieu, ce mémoire veut fournir des connaissances quant aux changements développementaux associés aux fuseaux chez les autistes, sujet à peine effleuré dans la littérature actuelle. Selon certaines études citées précédemment et faisant état de la diminution de la densité de fuseaux en vieillissant chez des cohortes de volontaires sains (De Gennaro 2003; Crowley 2002), nous voulons vérifier si cette diminution est également présente chez des adultes autistes lorsque comparés à des enfants autistes. De cet objectif découle enfin le sous-objectif, relatif au patron de la maturation corticale. Ce dernier objectif, concernant l’axe de la maturation corticale, vient de la littérature qui appuie une trajectoire de maturation cérébrale postéro-antérieure chez des sujets neurotypiques (Kurth 2010). Comme plusieurs proposent que les fuseaux de sommeil pourraient refléter cette maturation, nous nous intéressons aux densités de fuseaux que présenteront nos participants autistes. 2.2 Hypothèses 2.2.1 Effet du diagnostic Selon la littérature couverte en introduction, nous émettons l’hypothèse que les fuseaux seront moins denses chez les autistes lorsque comparés à des volontaires sains, et ce peu importe l’âge. 2.2.2 Effet de l’âge La seconde hypothèse de cette étude est développementale. La densité moindre des fuseaux de sommeil telle qu’attendue chez les adultes contrôles comparativement aux enfants contrôles serait également retrouvée chez les adultes autistes comparativement aux enfants autistes. 2.2.3 Effet de la région Comme la maturation du cerveau suivrait un axe postéro-antérieur chez des volontaires sains (Kurth 2010) et que plusieurs proposent que les fuseaux de sommeil pourraient refléter cette maturation (Scholle 2007), nous nous attendons à retrouver davantage de fuseaux dans les régions centrales contrairement aux régions préfrontales chez nos participants neurotypiques. La littérature couverte en introduction propose également une organisation corticale (Casanova 2007; Courchesne 2004; Limoges 2005) et un patron du développement du cerveau (Courchesne 2004) atypiques chez les autistes, alors nous pensons que l’axe de maturation corticale possiblement reflété par les fuseaux de sommeil pourrait différer chez nos participants autistes. 35 3 Matériel et Méthodes 3.1 Participants Au total, soixante volontaires ont participé à cette étude et se répartissaient ainsi : 13 enfants dans chacun des groupes contrôle et autiste; chez les adultes, il y avait 18 adultes contrôles et 16 adultes autistes (voir le tableau I de la page 39). Les participants autistes enfants et adultes furent recrutés à la clinique de l’autisme de l’hôpital Rivière-des-Prairies du Dr Laurent Mottron. Leur diagnostic a été confirmé à l’aide de deux instruments largement utilisés en recherche et scientifiquement acceptés dans la littérature, soient l’ADI-R (Autism Diagnostic Interview – Revised) et l’ADOS (Autism Diagnosis Observation Schedule – General) par des techniciens formés et expérimentés (Lord 1994; 2000). Lors de l’étude, aucun participant autiste ne présentait un autre diagnostic de l’axe I du DSM-IV, ce qui donne un caractère unique à cette étude, car il est estimé que près de 70% des autistes recevront un autre diagnostic en santé mentale au cours de leur vie Simonoff 2008). En plus du diagnostic unique d’autisme, aucun de nos participants autistes (sauf un enfant, comme il sera expliqué dans une sous-section suivante) ne prenait de médicaments pouvant altérer leur sommeil. Les participants autistes recrutés dans le cadre de cette étude ont donc reçu un diagnostic d’autisme de haut niveau ou du syndrome d’Asperger. Ces deux sous-catégories du trouble du spectre autistique se distinguent de par la manifestation faible des signes associés à l’autisme (altération qualitative des interactions sociales, de la communication verbale et nonverbale, intérêts et comportements restreints, répétitifs et stéréotypés). La différence majeure entre l’autisme de haut niveau et le syndrome d’Asperger du point de vue du diagnostic est respectivement la présence ou non de troubles du développement langagier dans la jeune enfance, ces retards étant souvent comblés vers l’âge de 6 ans (DSM-IV-TR). Ces deux groupes ne montrent aucune différence au niveau de l’architecture de leur sommeil comme l’a démontré Limoges en 2005 qui étudiait des adultes autistes (Limoges 2005). De plus, ils n’ont trouvé aucune différence significative entre ces deux sous-groupes d’autisme relativement aux habitudes de sommeil compilées par un questionnaire (Limoges 2005) et nous avons décidé de regrouper les sujets en un seul groupe qui portera pour ce mémoire la dénomination « autiste ». Le DSM-5, paru récemment en mai 2013, indique également, en faveur de notre décision, que le syndrome d’Asperger n’est désormais plus séparé de l’autisme et entre dans le trouble du spectre autistique. En effet, le retard de langage n’est donc plus considéré pour le diagnostic. Les individus des groupes contrôles ont quant à eux été recrutés parmi la population générale par des lettres de sollicitation. Ils ne devaient présenter aucun désordre de santé mentale ou médicale pouvant intervenir avec l’étude, y compris aucun trouble du sommeil. De plus, ils ne devaient pas avoir travaillé de nuit dans le mois précédant leur enregistrement, avoir présenté des abus de drogue ou encore prendre des médicaments ayant un impact sur le système nerveux central. Tous les participants devaient éviter de consommer des boissons ou aliments stimulants pendant la durée de l’étude. Finalement, ils ont tous obtenu un score d’au moins 80 37 au test d’intelligence du WAIS-III pour les adultes et du WISC-III pour les enfants (Wechsler 1997; Wechsler 1991). Comme démontré au tableau I de la page 39, les adultes avaient en moyenne 21,2 ± 4,3 ans pour les contrôles et 22,0 ± 3,8 ans pour les autistes, pour une étendue d’âge globale de 16 à 27 ans. Concernant les enfants, le groupe contrôle avait en moyenne 10,2 ± 2,0 ans tandis que le groupe patient avait 10,2 ± 2,1 ans pour une étendue d’âge de 7 à 12 ans et de 6 à 13 ans respectivement. Le groupe d’enfants autistes comportait deux participants gauchers. Nos analyses préliminaires ont montré que cette caractéristique n’influençait pas les résultats statistiquement. 3.1.1 L’utilisation d’un psychostimulant Comme susmentionné, un seul enfant était médicamenté. Le jeune garçon, âgé de 10 ans lors de son enregistrement en laboratoire, prenait du méthylphénidate à libération prolongée (Concertamd) pour un problème de concentration sans qu’il n’y ait eu toutefois de diagnostic de Trouble déficitaire de l’attention. La concentration maximale plasmatique de Concerta est retrouvée de 6 à 10 heures suite à la prise du comprimé (Kim 2010, Maldonado 2013). Pour un comprimé consommé le matin, on peut raisonnablement penser que l’action sera non significative en début de soirée. 38 Tableau I. Caractéristiques des sujets participant à l’étude ADULTES Homme/Femme Âge (années) : Moyenne ± Écart-type Âge (étendue) ENFANTS Homme/Femme Âge (années) : Moyenne ± Écart-type Âge (étendue) Légende. AUT, autistes. Contrôles (n = 18) 17/1 AUT (n = 16) 15/1 21,2 ± 4,3 22,0 ± 3,8 16-27 Contrôles (n = 13) 13/0 16-27 AUT (n = 13) 13/0 10,2 ± 2,0 10,2 ± 2,1 7-12 6-13 3.2 Collecte des données Les données analysées dans ce mémoire proviennent de deux études indépendantes menées dans le laboratoire du sommeil de l’hôpital Rivière-des-Prairies : celle de Limoges et al (2005, 2013) et celle de Lambert, Tessier, Mottron et Godbout (2010). Ce mémoire a extrait les données PSG brutes des volontaires ayant participé à ces deux études, y compris celles qui n’ont pas encore été publiées concernant les électrodes Fp2 et C4. Tous les sujets ont passé deux nuits au laboratoire du sommeil de l’hôpital Rivière-desPrairies durant lesquelles ils ont été évalués en PSG selon la méthode standard (Rechtschaffen et Kales 1968) aux électrodes centrales et occipitales habituelles (C3, C4, O1 et O2). Nous avons ajouté à ce montage deux électrodes frontales (Fp1 et Fp2), disposées selon la méthode dite « 10-20 » (Pivik et al. 1993) (voir la figure 7, page 40). Figure 7. Calcul et positionnement des électrodes sur le scalp (tiré de Purves 2003). À partir du nasion, de l’inion et des oreilles sont calculés les sites de pose des électrodes. En A, vue de profil. En B, vue en plan. En rouge sont précisées les électrodes à partir desquelles sont identifiés les fuseaux de sommeil : en préfrontal gauche et droit, respectivement Fp1 et Fp2 et en central gauche et droit, respectivement C3 et C4. 3.3 Éthique Le Comité d’Éthique de la Recherche de l’hôpital Rivière-des-Prairies a donné son accord au déroulement de cette étude sous le numéro de référence 12-11P. 3.4 Analyses statistiques La première nuit passée au laboratoire du sommeil servit d’adaptation au matériel et aux conditions expérimentales et ne fut pas comptabilisée dans les résultats; c’est la seconde nuit qui fut analysée. Nous avons d’abord identifié les stades de sommeil et ensuite relevé les fuseaux de sommeil. La cotation des différents stades du sommeil s’est fait visuellement par une technicienne formée et d’expérience selon le code universel de cotation défini par Rechtschaffen et Kales (Rechtschaffen et Kales 1968), avec des époques de vingt secondes. Toutes les personnes ayant travaillé sur ce projet ont été formées par la même technicienne diplômée en électrophysiologie médicale. Les fuseaux de sommeil en stade 2 ont été identifiés selon les critères suivants : des bouffées d’ondes de 12 à 16 Hz et d’une durée entre 0,5 et 2,0 secondes, avec un intervalle minimal de 0,5 seconde entre deux fuseaux. Les fuseaux furent visuellement identifiés d’abord par une assistante de recherche, puis contre-vérifiés par la technicienne en électrophysiologie médicale. Les différends ont été résolus par accord mutuel. L’étude des électrodes Fp1 et Fp2 (respectivement dans les régions préfrontales gauche et droite), et C3 et C4 (dans les régions centrales gauche et droite, respectivement; voir la figure 7 de la page 40) a été privilégiée, car ce sont des sites où les fuseaux de sommeil sont 41 abondants (McCormick et al. 1997). De plus, ces sites ont déjà été décrits dans la littérature concernant les adultes autistes dans le cas de Fp1 et de C3 (Limoges et al 2005) ou correspondent à des zones physiopathologiques importantes pour l’autisme (dans le cas des électrodes frontales, voir la section 1.4.3 sur le développement du cerveau). Les données furent par la suite compilées par le logiciel Harmonie 6.2b (Stellate, Montréal). La densité de fuseaux de sommeil, interprétée en tant que quantité de fuseaux par heure de sommeil en stade 2, fut retenue pour les analyses. Les densités de fuseaux de sommeil ont été représentées en termes de moyennes et écarts-type pour chacun des groupes. Toutes les analyses statistiques seront complétées grâce au logiciel SPSS (version 17.0, SPSSinc, Chicago, États-Unis). 3.4.1 Hypothèse du diagnostic Les comparaisons de densités de fuseaux entre les enfants contrôles et autistes seront effectuées par des MANOVA. Le groupe (contrôle ou autiste) sera considéré comme variable indépendante et la densité de fuseaux (Fp1, Fp2, C3 et C4) comme variable dépendante. L’âge sera donc contrôlé pour cette analyse. Un résultat inférieur à 0,05 sera considéré significatif et permettra des analyses supplémentaires par des tests T de Student. Les valeurs de F et les tailles d’effet seront rapportées pour les résultats significatifs. La seconde analyse servira cette fois à comparer les densités de fuseaux de sommeil chez les adultes contrôles et autistes en considérant les mêmes variables indépendante (le groupe) et dépendante (le site d’enregistrement). La variable de l’âge sera également 42 contrôlée. Un résultat inférieur à 0,05 sera considéré significatif et permettra des analyses supplémentaires par des tests T de Student. Les valeurs de F et les tailles d’effet seront aussi rapportées pour les résultats significatifs. 3.4.2 Hypothèse de l’âge Deux MANOVA suivant le même patron que les analyses précédentes seront également complétées pour vérifier l’hypothèse de l’âge. Le même principe s’appliquera ici, à l’exception près que l’âge (enfant ou adulte) sera la variable indépendante alors que le diagnostic sera contrôlé à l’aide d’un filtre. La variable dépendante reste le site d’enregistrement (Fp1, Fp2, C3 et C4). La première MANOVA de cette section comparera les enfants et les adultes contrôles. Un résultat inférieur à 0,05 sera considéré significatif et permettra des analyses supplémentaires par des tests T de Student. Les valeurs de F et les tailles d’effet seront rapportées pour les résultats significatifs. La seconde MANOVA de cette hypothèse servira à étudier les enfants et les adultes autistes. Les variables indépendante et dépendante resteront les mêmes alors que le diagnostic sera contrôlé. Un résultat inférieur à 0,05 sera considéré significatif et permettra des analyses supplémentaires par des tests T de Student. Les valeurs de F et les tailles d’effet seront aussi rapportées pour les résultats significatifs. 43 3.4.3 Hypothèse de la région Pour vérifier l’hypothèse antéro-postérieure, une ANOVA à mesures répétées fut utilisée. Pour ce faire, les densités de fuseaux aux sites Fp1 et Fp2 ont été moyennées pour former la variable « densité de fuseaux en préfrontal », alors que les densités de fuseaux aux sites C3 et C4 furent moyennées, formant la variable « densité de fuseaux en central ». L’ANOVA à mesures répétées a donc suivi ce modèle : le groupe (contrôle ou autiste) comme première variable indépendante, l’âge (enfant ou adulte) comme seconde variable indépendante et la densité de fuseaux (préfrontal ou central) comme variable dépendante. Ici également, un seuil significatif de 0,05 sera considéré et des analyses post-hoc par des tests T de Student seront utilisées. Les valeurs de F et les tailles d’effet seront également rapportées pour les résultats significatifs. 44 4 Résultats Tous les participants avaient un QI global supérieur à 80. Les analyses comparatives ont confirmé qu’il n’y avait pas de différence statistiquement significative entre les enfants contrôles (116,50 ± 2,97) et les enfants autistes (105,15 ± 5,50), p = 0,090. Entre les adultes contrôles (115,06 ± 2,99) et autistes (104,20 ± 3,35), cette différence est statistiquement significative (p = 0,021), mais cliniquement non signifiante. 4.1 Effet du diagnostic Le tableau III de la page 48 résume les résultats obtenus. Une première MANOVA chez les enfants montre un effet principal significatif du diagnostic : F(4, 21) = 5,824, p = 0,003. Des analyses supplémentaires par des tests T de Student montrent que les participants autistes ont moins de fuseaux de sommeil au site Fp2 (t(24)=2,194, p<0,05; η2 = 0,41), avec une tendance en C4 (t(24)=2,052, p=0,086; η2 = 0,39) comparativement aux enfants contrôles (figure 8 de la page 49). Les tailles d’effet (η2) sont supérieures à 0,14 (balise déterminant un effet de grande taille, voir le tableau II ci-dessous) pour ces analyses, ce qui nous indique que la variance expliquée entre les deux groupes par le diagnostic est très grande. Une seconde MANOVA, effectuée chez les adultes, montre un effet principal significatif du diagnostic : F(4, 29) = 2,984, p = 0,035. Des analyses supplémentaires par des tests T de Student montrent que les différences significatives sont observées aux électrodes C3 (t(32)=2,888, p<0,01; η2 = 0,45) et C4 (t(32)=3,215, p<0,01; η2 = 0,49) (figure 9, page 49). Les tailles d’effet sont également supérieures à 0,14 pour ces analyses, indiquant que 45% et 49% des variances des fuseaux aux sites C3 et C4 respectivement sont reliées au diagnostic. Tableau II Balises de Cohen servant à l’interprétation des effets de tailles Autour de 0,01 Effet de petite taille Autour de 0,06 Effet de taille moyen Autour de 0,14 et plus Effet de grande taille (Cohen 1988, 1992 et Field 2005) 4.2 Effet de l’âge Pour ce qui est de l’effet de l’âge, une première MANOVA chez les contrôles montre un effet principal significatif de l’âge : F(4, 26) = 7,725, p<0,001. Des analyses supplémentaires par des tests T de Student montrent que les participants adultes ont moins de fuseaux de sommeil aux sites Fp1 (t(29)=4,090, p<0,001; η2 = 0,60) et Fp2 (t(29)=2,735, p<0,05; η2 = 0,45), alors que le site C3 en montre une tendance forte (t(29)=1,871, p=0,072; η2 = 0,33). Ces tailles d’effet, très grandes, indiquent que la variance dans la densité de fuseaux entre les groupes cliniques est fortement reliée au vieillissement. Les résultats apparaissent également dans la figure 10 de la page 50. Une seconde MANOVA, effectuée chez les autistes, montre un effet principal significatif de l’âge : F(4, 24) = 16,625, p<0,001. Des analyses supplémentaires par des tests T de Student montrent que les participants adultes ont, comme les contrôles, moins de fuseaux de sommeil aux sites Fp1 (t(27)=4,233, p<0,001; η2 = 0,63) et C3 (t(27)=4,515, p<0,001; η2 = 0,66), mais contrairement aux participants des groupes contrôles, la densité n’est pas statistiquement très différente entre les enfants et les adultes autistes en Fp2 (t(27)=0,381, p=0,706; η2 = 0,07). De plus, cette diminution au site Fp2 n’affiche qu’un effet de taille moyen alors qu’il est jugé très fort pour les sites Fp1 et C3, donnant du poids aux résultats 46 malgré de petits échantillons. La figure 11 de la page 50 montre schématiquement la variation des fuseaux de sommeil chez les autistes en vieillissant. 4.3 Effet de la région Le tableau IIIa de la page 48 démontre que, globalement, la densité de fuseaux semble plus élevée pour les électrodes centrales que préfrontales, et ce peu importe l’âge et le groupe clinique. De plus, les enfants ont tendance à avoir davantage de fuseaux de sommeil que les adultes autant pour le groupe clinique que pour le groupe contrôle (voir également les figures 10 et 11, toutes deux à la page 50). Pour vérifier ces observations, un test de sphéricité de Mauchly non significatif a d’abord confirmé que la variance entre les groupes selon la région n’est pas significative (X2(0)=0). L’ANOVA montre qu’il n’y a aucune interaction entre les fuseaux de sommeil et l’âge, ni avec le groupe diagnostic, et ce pour les deux sites étudiés. Par contre, on voit une interaction lorsque sont prises en considérations les deux variables indépendantes, soient l’âge et le diagnostic F(1, 56) = 7,298 p = 0,009). Un indice de Cohen de 0,115 nous indique un effet de taille de grandeur moyenne à élevée. Des analyses supplémentaires montrent que la région préfrontale contient moins de fuseaux (133,63 ± 1,44) que la région centrale (238,59 ± 1,58), F(1, 56) = 120,88 p <0,001, η2 = 0,683. De plus, les participants contrôles (209,06 ± 2,68) ont plus de fuseaux que les autistes (163,16 ± 2,85) et ce peu importe l’âge, F(1, 56) = 4,592 p = 0,036, η2 = 0,204. De plus, les enfants (226,63 ± 3,16) ont plus de fuseaux que les adultes (145,56 ± 2,42) et ce peu importe le groupe diagnostic, F(1, 56) = 14,317 p < 0,001, η2 = 0,076. 47 Tableau III. Densités de fuseaux de sommeil aux électrodes Fp1, Fp2, C3 et C4 dans les groupes à l’étude; a) densités de fuseaux de sommeil, b) comparaisons entre les groupes. a) Densités de fuseaux en stade 2 dans les populations à l’étude (moyenne ± E.S.M.) Électrode Fp1 Fp2 C3 C4 Fp1-Fp2 C3-C4 Enfants CTRL 200,5 ± 37,8 223,5 ± 33,6 285,1 ± 38,7 287,2 ± 34,9 212,0 ± 34,6 286,1 ± 34,0 Enfants AUT 172,7 ± 25,7 126,4 ± 24,1 315,9 ± 35,6 201,8 ± 32,4 149,6 ± 24,4 258,9 ± 31,7 Adultes CTRL 62,8 ± 9,0 123,1 ± 11,6 215,1 ± 15,4 275,2 ± 17,9 93,0 ± 11,2 245,1 ± 18,9 Adultes AUT 55,9 ± 13,7 104,1 ± 28,3 151,1 ± 15,8 177,3 ± 25,3 80,0 ± 23,0 164,2 ± 20,3 Légende : E.S.M., erreur standard sur la moyenne. Densités : nombre de fuseaux par heure de stade 2. AUT : autistes. CTRL : contrôles. b) Comparaisons entre les populations et interactions aux sites préfrontal et central Comparaisons Enfants CTRL versus Enfants AUT Fp1 Fp2 C3 C4 Adultes CTRL versus Adultes AUT Fp1 Fp2 C3 C4 Enfants CTRL versus Adultes CTRL Fp1 Fp2 C3 C4 Enfants AUT vs Adultes AUT Fp1 Fp2 C3 C4 Effet antéro-postérieur Âge Groupe Âge X Groupe F 5,824 2,984 7,725 16,625 7,298 P 0,003 n.s. <0,05 n.s. 0,086~ 0,035 n.s. n.s. <0,01 <0,01 <0,001 <0,001 <0,005 0,072~ n.s. <0,001 <0,001 n.s. <0,001 n.s. n.s. n.s. 0,009 r 0,409 0,386 0,455 0,494 0,605 0,453 0,328 0,632 0,656 n.s. n.s. 0,115 Légende : n.s., non significatif. Les valeurs P sont significatives en deçà de 0,05; F, résultat au test; r : taille d’effet; ~, tendance (0,05 ≤ p ≤ 0,09). AUT : autistes. CTRL : contrôles. 48 Figure 8 : Densités de fuseaux chez les enfants contrôles et autistes aux quatre sites d'enregistrement 350 Densité de fuseaux (#/heure en stade 2) 300 250 ~ Fp1 200 * 150 Fp2 C3 100 C4 50 0 Contrôles Autistes Groupes *, différence significative entre les groupes diagnostics (p ≤ 0,05); ~, tendance significative (p = 0,086). Figure 9 : Densités de fuseaux chez les adultes contrôles et autistes aux quatre sites d'enregistrement Densité de fuseaux (#/heure en stade 2) 300 250 * * 200 150 Fp1 Fp2 C3 100 C4 50 0 Contrôles Autistes Groupes *, différence significative entre les groupes diagnostics (p ≤ 0,05). 49 Figure 10 : Densités de fuseaux chez les enfants et les adultes contrôles aux quatre sites d'enregistrement 350 Densité de fuseaux (#/heure en stade 2) 300 ~ 250 Fp1 200 * * 150 100 Fp2 C3 C4 50 0 Enfants Adultes Groupes *, différence significative entre les groupes d’âge (p ≤ 0,05); ~, tendance significative (p = 0,072). Figure 11 : Densités de fuseaux chez les enfants et les adultes autistes aux quatre sites d'enregistrement 350 Densité de fuseaux (#/heure en stade 2) 300 250 * 200 Fp1 Fp2 150 C3 * 100 C4 50 0 Enfants Adultes Groupes *, différence significative entre les groupes d’âge (p ≤ 0,05). Le symbole « * » du tracé Fp1 a été déplacé pour éviter la confusion. 50 5 Discussion 5.1 Effet du diagnostic La première hypothèse stipulait que les participants autistes de notre étude présenteraient moins de fuseaux de sommeil, et ce peu importe l’âge. La figure 9 de la page 49 démontre qu’aux sites C3 et C4, les adultes autistes ont, en effet, significativement moins de fuseaux de sommeil que les adultes contrôles. Cette observation n’a pas lieu aux sites des électrodes préfrontales Fp1 et Fp2. Ces résultats corroborent ceux obtenus par Limoges et son équipe, évaluant par contre uniquement les électrodes préfrontale et centrale gauches : Fp1 et C3 (Limoges et al. 2005). Ils ont alors conclu que la plus faible densité de fuseaux de sommeil chez les adultes autistes en C3 serait reliée à une organisation corticale atypique résultant en une mauvaise synchronisation de l’EEG, altérant ainsi leur expression. Cette hypothèse est soutenue par d’autres études évoquant l’organisation atypique des connexions neuronales chez les individus atteints d’un trouble du spectre de l’autisme tel que vu en introduction (Marco et al. 2011; Nemeth et al. 2010; Casanova 2007 et 2006; Courchesne 2004). Pour ce qui est des différences entre les groupes d’enfants, les résultats ne se sont avérés significatifs que pour le site Fp2 et une tendance au site C4 (figure 8, page 49). Ce résultat ne confirme que partiellement l’hypothèse et ceci peut être discuté de deux façons. D’abord, il se peut que ce soit relié aux sites d’enregistrement présentés. En effet, l’hypothèse se basant sur la littérature existante chez les adultes, nous nous attendions à une diminution des fuseaux de sommeil au site C3 et aucune différence en Fp1 (Limoges et al. 2005). Les résultats ne montrent pas la différence même en C3, mais en montrent pour les deux électrodes non-étudiées jusqu’à présent. De plus, les deux électrodes concernées (Fp2 et C4) se 51 retrouvent dans l’hémisphère droit et on peut alors penser à un possible effet de latéralisation, qu’il serait intéressant d’explorer dans le cadre d’un futur projet. En attendant, quelques études chez les enfants autistes notent des atypies au niveau du corps calleux et de l’organisation de la matière blanche cérébrale (Billeci et al. 2012; Casanova et al. 2006). Ceci laisse croire que les connexions atypiques entre les hémisphères gauche et droit du cerveau des enfants autistes pourraient altérer l’expression des fuseaux de sommeil. Ces atypies au niveau du corps calleux pourraient également soutenir l’effet de latéralisation chez les adultes. Dans tous les cas, les différences entre les sujets contrôles et autistes présentées dans cette étude pourraient refléter une organisation corticale atypique chez les autistes et expliquer en partie les troubles du sommeil dont souffre cette population. 5.2 Effets de l’âge L’hypothèse de l’âge propose que la diminution de la densité des fuseaux de sommeil observée dans la population neurotypique serait semblable chez des sujets autistes. Les résultats de la présente étude montrent que les adultes contrôles ont significativement moins de fuseaux de sommeil que les enfants contrôles aux sites préfrontaux (électrodes Fp1 et Fp2) alors que ce n’est pas tout à fait le cas pour les électrodes centrales (tendance au site C3 et non significatif en C4). La diminution en vieillissant de la densité de fuseaux est donc concentrée aux sites préfrontaux, ce qu’il sera intéressant d’analyser dans la section 5.3 sur l’effet de la région sur la densité des fuseaux de sommeil. Par contre, nous pouvons suggérer dès à présent 52 que l’axe de maturation cérébrale postéro-antérieur pour la population neurotypique pourrait être en lien avec les fuseaux de sommeil qui diminuent en vieillissant dans cette population, la trajectoire de l’axe étant reflétée par le changement remarqué aux électrodes Fp1 et Fp2 de la présente étude chez nos sujets contrôles. De plus, les présents résultats appuient la proposition de Scholle selon laquelle la densité des fuseaux de sommeil pourrait servir de marqueur de la maturation corticale (Scholle et al. 2007). On pourrait alors se demander si une plus grande densité de fuseaux servirait le développement d’un cerveau d’enfant. Des études appuieraient cette idée en montrant une augmentation du nombre de fuseaux suite à un apprentissage (Fogel et Smith 2011; Fogel et al. 2009). Toutefois, les études chez les enfants a fortiori qui les comparent aux adultes sont rares et récentes. En comparant les enfants et les adultes autistes, on remarque qu’il y a une différence significative entre ces deux populations aux électrodes Fp1 et C3 tel que montré à la figure 11 de la page 50. Les adultes autistes ont en effet un index moyen plus de deux fois inférieur à celui des enfants autistes pour ces deux électrodes. Ceci confirme l’hypothèse stipulant que les adultes autistes auraient significativement moins de fuseaux de sommeil que les enfants autistes, mais cette diminution n’est pas retrouvée aux mêmes sites. Il se pourrait donc que l’hypothèse émise par Crowley et son équipe pour tenter d’expliquer la diminution de la densité de fuseaux de sommeil chez des sujets neurotypiques par l’altération physiologique de la boucle thalamo-corticale avec l’âge soit également présente chez les sujets autistes de notre étude (Crowley 2002). 53 Cette diminution de la densité des fuseaux de sommeil a donc également lieu chez les autistes, mais elle est observée pour des électrodes différentes entre les deux groupes diagnostics à l’étude. En effet, chez les contrôles les différences sont retrouvées aux électrodes préfrontales alors que pour les autistes elles le sont en Fp1 et en C3. En tenant compte de l’hypothèse de la maturation du cerveau selon un axe postéro-antérieur élaborée par Kurth (Kurth 2010), dans ce cas-ci la région centrale chez les neurotypiques aurait peut-être déjà atteint son stade adulte durant l’enfance. Le fait d’être atteint d’un trouble du spectre de l’autisme aurait donc un impact visible chez les adultes au niveau des fuseaux de sommeil sous la forme d’une diminution de cette densité dans les régions préfrontale et centrale du côté gauche. En toute logique, il y aurait alors un élément important dans la maturation de la région centrale du cerveau des autistes ayant comme effet de la sur-développer par rapport au groupe contrôle. Leurs difficultés avec les fonctions associatives du cortex préfrontal seraient peutêtre alors expliquées par cette voie de maturation distincte brimant les régions frontales au profit des régions centrales. À défaut de développer les régions associatives et limbiques du cortex préfrontal, la voie de maturation cérébrale chez les autistes emprunterait en effet un tout autre chemin; se tournant vers les régions occipitale et postérieure, elle aurait pour effet de les sur-développer. Ceci laisserait donc croire à une maturation corticale suivant un axe antéropostérieur atypique. La troisième hypothèse se penche justement sur le sujet. 5.3 Effet de la région Les analyses supplémentaires montrent que les fuseaux de sommeil sont les plus abondants aux régions centrales comparativement aux régions préfrontales. Cette différente densité selon la région suggère que les fuseaux de sommeil seraient possiblement en lien avec 54 les fonctions cérébrales des noyaux sous-jacents. Les résultats précédents sur le diagnostic et l’âge montrent que lorsqu’une seule variable indépendante est contrôlée (soit l’âge ou le diagnostic), on a un effet pour chacune d’entre elle; ceci étant valide pour le diagnostic comme pour l’âge tel que démontré dans les sections 5.1 et 5.2. Par contre, lorsque le diagnostic et l’âge sont pris simultanément, l’effet principal de chacune de ces variables indépendantes s’amenuise et seul demeure l’effet d’interaction tel que démontré dans le bas du tableau IIIb. Il serait donc possible de croire que les deux variables indépendantes partagent une grande proportion de leur variance. 5.4 Limites de l’étude L’étude ci-présente comporte certaines limites à considérer. Il y a notamment le fait que seules les électrodes Fp1, Fp2, C3 et C4 furent étudiées. Même si la plupart des études se concentrent sur les sites C3 et plus rarement encore Fp1, les activités temporale, pariétale et occipitale mériteraient également d’être investiguées, car chacune présente dans l’autisme des particularités mises en évidence par des recherches neuroanatomiques (en imagerie et en histologie) et fonctionnelles (en imagerie, en EEG et en neuropsychologie) tel que discuté précédemment. De plus, les hypothèses émergentes concernant la maturation atypique du cerveau des autistes pourraient être appuyées ou invalidées par ces analyses supplémentaires. 5.5 Implications et importance de l’étude Les résultats précédents montrent que les autistes en général ont moins de fuseaux de sommeil que des sujets neurotypiques. Par contre, la diminution des fuseaux de sommeil en 55 vieillissant retrouvée chez les neurotypiques est semblable chez les autistes, malgré le fait qu’elle n’est pas reflétée par les mêmes régions, suggérant un axe de maturation cérébrale différent. Finalement, le fait que l’âge et le diagnostic aient un effet d’interaction lorsqu’ils sont considérés conjointement est conceptuellement très intéressant. En effet, cette interaction nous montre d’abord qu’on ne devrait pas parler du diagnostic d’autisme sans prendre l’âge en considération. Le diagnostic de trouble du spectre autistique comporterait donc, dans le pronostic de la condition, un effet conjoint de l’âge. Ensuite, ces résultats donnent de l’importance au fait de considérer le développement dans l’autisme. Pour bien comprendre le trouble du spectre de l’autisme, nous devrions en étudier le développement en général, mais également cérébral. Enfin, comme les fuseaux représenteraient un marqueur de la maturation cérébrale, notre étude, montrant des différences dans les densités de fuseaux autant chez les enfants autistes que chez les adultes, est d’autant plus intéressante et ouvre la porte à une multitude d’études développementales. 56 6 Conclusion Cette étude, l’une des premières qui compare les enfants et les adultes autistes, montre que la diminution des fuseaux en vieillissant est un phénomène comparable chez les personnes neurotypiques et autistes, avec toutefois quelques différences notables. En effet, alors que les adultes neurotypiques de notre étude montrent une diminution des fuseaux de sommeil avec l’âge dans le cortex préfrontal (Fp1 et Fp2) et une tendance en central gauche (C3), celle-ci n’est visible qu’aux sites Fp1 et C3 chez les adultes autistes. Néanmoins, l’évolution de la diminution des fuseaux de sommeil avec l’âge parait semblable dans les deux groupes diagnostiques. Le fait que les autistes de notre étude expriment moins de fuseaux de sommeil que les neurotypiques, et ce dans les deux groupes d’âge, pourrait être un marqueur de leur mauvais sommeil, un probable désordre de la boucle thalamo-corticale, ou encore un indice de connexions atypiques entre les différentes structures cérébrales. Les densités atypiques des fuseaux de sommeil seraient donc intimement reliées à plusieurs aspects du trouble du spectre autistique. On pourrait donc penser, dans un monde idéal, que l’augmentation de la densité des fuseaux de sommeil aiderait grandement le cerveau des autistes à moduler les activités liées aux fuseaux. En ce sens, un article sous presse de Kaestner et ses collègues fait état de l’augmentation de la mémoire émotionnelle reliée à une augmentation des fuseaux de sommeil suite à la prise de Zolpidem, un comprimé pharmacologique (Kaestner 2013). Cette approche pharmacologique serait alors une grande avancée pour aider les autistes. Finalement, ce mémoire recentre le trouble du spectre de l’autisme sur les mécanismes cérébraux en proposant d’étudier davantage les fuseaux de sommeil dans les tâches d’apprentissage, de mémoire, l’évaluation du QI ainsi que dans la consolidation du sommeil parmi cette population particulière. De plus, les fuseaux de sommeil semblent reliés aux processus de maturation cérébrale, ce qui ouvre la porte à d’autres études sur les liens entre la variation des fuseaux de sommeil en vieillissant et le patron de maturation du cerveau, tout en proposant aux cliniciens de garder un œil sur la variable de l’âge lorsqu’ils travaillent avec le diagnostic du trouble du spectre autistique. 58 7 Références Adamantis, A.R., Zhang, F., Aravanis, A.M., Deisseroth, K. & de Lecea, L. 2007. Neural substrates of awakening probed with optogenetic control of hypocretin neurons. Nature, 450, 420-424 American Psychiatric Association 2003. DSM-IV-TR : manuel diagnostique et statistique des troubles mentaux, 4 éd. Anderson, G.M., Freedman, D.X., Cohen, D.J., Volkmar, F.R., Hoder, E.L., McPhedran, P., Minderaa, R.B., Hansen, C.R. & Young, J.G. 1987. Whole blood serotonin in autistic and normal subjects. Journal of Child Psychology and Psychiatry, 28, (6) 885-900 Bachmann, C.J., Manthey, T., Kamp-Becker, I., Glaeske, G. & Hoffman, F. 2013. Psychopharmacological treatment in children and adolescents with autism spectrum disorders in Germany. Research in Developmental Disabilities, 34, 2551-2563 Bear, M.F., Connors, B.W. & Paradiso, M.A. 1997. Rythmes du cerveau. Dans Neurosciences, à la découverte du cerveau, Éditions Pradel, Masson-Williams & Wilkins, France, traduction de Neurosciences: exploring the brain (1996), 456-484 Besedovsky, L., Lange, T., & Born, J. 2012. Sleep and immune function. European Journal of Physiology, 463, 121-137 Billeci, L., Calderoni, S., Tosetti, M., Catani, M., & Muratori, F. 2012. White matter connectivity in children with autism spectrum disorders: a tract-based spatial statistics study. Biomed Central Neurology, 12 Bodizs, R., Kis, T., Lazar, A.S., Habran, L., Rigo, P., Clemens, Z., & Halasz, P. 2005. Prediction of general mental ability based on neural oscillation measures of sleep. Journal of Sleep Research, 14, (3) 285-292 Borbély, A.A. 1982. A two process model of sleep regulation. Human Neurobiology, 1, (3) 195-204 Brisbare-Roch, C., Dingemanse, J., Koberstein, R., Hoever, P., Aissaoui, H., Flores, S., Mueller, C., Nayler, O., van G.J., de Haas, S.L., Hess, P., Qiu, C., Buchmann, S., Scherz, M., Weller, T., Fischli, W., Clozel, M. & Jenck, F. 2007. Promotion of sleep by targeting the orexin system in rats, dogs and humans. Nature Medicine, 13, 150-155 Brown, R.E., Basheer, R., McKenna, J.T., Strecker, R.E., & McCarley, R.W. 2012. Control of sleep and wakefulness. Physiological Reviews, 92, 1087-1187 Buchmann, A., Ringli, M., Kurth, S., Schaerer, M., Geiger, A., Jenni, O.G., & Huber, R. 2011. EEG sleep slow-wave activity as a mirror of cortical maturation. Cerebral Cortex, 21, 607-615 Carskadon, M. A. & Dement, W. C. 2011 Normal human sleep : an overview. Principles and practice of sleep medicine, 5, 16-26. Casanova, M.F. 2007. The neuropathology of autism. Brain Pathology 422-433 Casanova, M.F., van Kooten, I., Switala, A., van Engeland, H., Heinsec, H., Steinbusch, H., Hof, P., Trippe, J., Stone, J., & Schmitz, C. 2006. Minicolumnar abnormalities in autism. Acta Neuropathologica, 3, 287-303 Centers for Disease Control and Prevention. 2012. Prevalence of Autism Spectrum Disorders Autism and Developmental Disabilities Monitoring Network, 14 Sites, United States, 2008. Morbidity and Mortality Weekly Report, 61, (3) 1-19 Chakrabarti, S. & Fombonne, E. 2005. Pervasive developmental disorders in preschool children: confirmation of high prevalence. American Journal of Psychiatry, 162, (6) 11331141 Chokroverty, S. 1999. Sleep Disorder Medicine, 2 ed. Boston. Chugani, D.C. 2002. Role of altered brain serotonin mechanisms in autism. Molecular Psychiatry, 7, S16-S17 Chugani, D.C., Muzik, O., Behen, M., Rothermel, R., Janisse, J.J., Lee, J. & Chugani, H.T. 1999. Developmental changes in brain serotonin synthesis capacity in autistic and nonautistic children. Annals of Neurology, 45, 287–295 Cohen, J. 1992. A power primer. Psychological Bulletin, 112, (1) 155-159 Cohen, J. 1988. Statistical power analysis for the behavioural sciences 2 ed. New York: Academic Press Courchesne, E. 2004. Brain development in autism: early overgrowth followed by premature arrest of growth. Mental Retardation and Developmental Disabilities Research Reviews, 10, 106-111 Courchesne, E., Karns, C., Davis, H., Ziccardi, R., Carper, R., Tigue, Z., Chisum, H., Moses, B., Pierce, K., Lord, C., Lincoln, A., Pizzo, S., Schreibman, L., Haas, R., Akshoomoff, N., & Courchesne, R. 2001. Unusual brain growth patterins in early life in patients with autistic disorder (an MRI study). Neurology, 57, 245-254 Cowan, N., Beschin, N. & Della Sala, S. 2004. Verbal recall in amnesiacs under conditions of diminished retroactive interference. Brain, 127, 825-834 Crowley, K., Trinder, J., Young, K., Carrington, M., & Colrain, I.M. 2002. The effects of normal aging on sleep spindle and K-complex production. Clinical Neurophysiology, 113, 1615-1622 60 Dawson, M., Soulieres, I., Gernsbacher, M.A. & Mottron, L. 2007. The level and nature of autistic intelligence. Psychological Science, 18, (8) 657-662 De Gennaro, L. & Ferrara, M. 2003. Sleep spindles : an overview. Sleep Medicine Reviews, 7, (5) 423-440 De Gennaro, L., Ferrara, M. & Bertini, M. 2000. Topographical distribution of spindles: variations between and within NREM sleep cycles. Sleep Research Online, 3, (4) 155-160 de Mairan, J.-J.d. 1729. Observation botanique. Histoire de l'académie royale des sciences, 35 Dijk, D.J. 1993. Dynamics of electroencephalographic sleep spindles and slow wave activity in men : effect of sleep deprivation. Brain Research, 626, 190-199 El-Fishawy, P. & State, M.W. 2010. The genetics of autism: key issues, recent findings, and clinical implications. Psychiatric Clinics of North America, 33, (1) 83-105 FDA (US Food and Drug Administration). 2006. FDA approves the first drug to treat irritability associated with autism, risperdal (http://www.fda.gov/NewsEvents/Newsroom/PressAnnouncements/2006/ucm108759.htm) Ferrarelli, F., Huber R., Peterson, M.J., Massimini, M., Murphy, M., Riedner, B.A., Watson, A., Bria, P. & Tononi, G. 2007. Reduced sleep spindle activity in schizophrenia patients. American Journal of Psychiatry, 164, (3) 483-492 Field, A. 2005. Discovering statistics using SPSS, 2 ed. Sage Publications. London Fogel, S.M. & Smith, C.T. 2011. The function of sleep spindles : a physiological index of intelligence and a mechanism for sleep-dependent memory consolidation. Neuroscience and Biobehavioral Reviews Fogel, S.M., Smith, C.T., & Beninger, R.J. 2009. Evidence for 2-stage models of sleep and memory : learning-dependent changes in spindles and theta in rats. Brain Research Bulletin, 79, 445-451 Fombonne, E. 2009. Epidemiology of pervasive developmental disorders. Pediatric Research, 65, 591–598 Forest, G. & Godbout, R. 2005. Sleep deprivation: attention and memory. Dans Sleep Deprivation, Marcel Dekker, New York, 199-222 Frank, M.G. 2006. The mystery of sleep function: current perspectives and future directions. Review Neuroscience, 17, (4) 375-392 Geiger, A., Huber, R., Kurth, S., Ringli, M., Jenni, O.G., & Achermann, P. 2011. The sleep EEG as a marker of intellectual ability in shcool age children. Sleep, 34, (2) 181-189 61 Glickman, G. 2010. Circadian rhythms and sleep in children with autism. Neuroscience and Biobehavioral Reviews, 34, 755-768 Godbout, R. 2013. Le sommeil normal et pathologique, dans Psychiatrie clinique : Approche bio-psycho-sociale, 4e édition. P.Lalonde & G.F.Pinard, Montréal: Chenelière, sous presse. Godbout, R. 2005. Le sommeil normal et pathologique : neuropsychologie et neuropsychiatrie, dans Neuropsychologie clinique et neurologie du comportement, T. Botez-Marquard et F. Boller, Montréal : Presses de l’Université de Montréal, 317-332. Goldman-Rakic, P.S. & Brown, R.M. 1982. Postnatal development of monoamine content and synthesis in the cerebral cortex of rhesus monkeys. Brain Research, 256, (3) 339-349 Goodlin-Jones, B.L., Tang, K., Liu, J., & Anders, T.F. 2008. Sleep patterns in preschool-age children with autism, developmental delay, and typical development. Journal of American Academic Child and Adolescent Psychiatry, 47, (8) 930-938 Gronfier, C. 2009. Physiologie de l'horloge circadienne endogène : des gènes horloges aux applications cliniques. Médecine du sommeil, 6, 3-11 Guénolé, F., Godbout, R., Nicolas, A., Franco, P., & Claustrat, B. 2011. Melatonin for disordered sleep in individuals with autism spectrum disorders: systematic review and discussion. Sleep Medicine Reviews, 15, 379-387 Iber, C. The AASM Manual for the Scoring, of Sleep and Associated Events: Rules, terminology and technical specifications. The AASM Manual for the Scoring, of Sleep and Associated Events: Rules, terminology and technical specifications . 2007. Ref Type: Edited Book Kaestner, E.J., Wixted, J.T. & Mednick, S.C. 2013. Pharmacologically increasing sleep spindles enhances recognition for negative and high-arousal memories. Journal of Cognitive Neurosciences, sous presse Kim, H.W., Yoon, I.-Y., Cho, S.C., Kim, B.N., Chung, S., Lee, H., Kim, C.W., Park, S.K. & Yoo, H.J. 2010. The effect of OROS methylphenidate on the sleep of children with attentiondeficit/hyperactivity disorder. International Clinical Psychopharmacology, 25, (2) 107-115 Kogan, M.D., Blumberg, S.J., Schieve, L.A., Boyle, C.A., Perrin, J.M., Ghandour, R.M., Singh, G.K., Strickland, B.B., Trevathan, E., & van Dyck, P.C. 2009. Prevalence of parentreported diagnosis of autism spectrum disorder among children in the US, 2007. American Academy of Pediatrics, 124, 1395-1403 Kolevzon A., Mathewson K.A., Hollander E. 2006. Selective serotonin reuptake inhibitors in autism: a review of efficacy and tolerability. Journal of Clinical Psychiatry, 67, (3) 407-414 62 Kolevzon, A., Newcorn, J.H., Kryzak, L., Chaplin, W., Watner, D., Hollander, E., Smith, C.J., Cook Junior, E.H. & Silverman, J.M. 2010. Relationship between whole blood serotonin and repetitive behaviors in autism. Psychiatry Research, 175, 274-276 Kotagal, S. & Broomall, E. 2012. Sleep in children with autism spectrum disorder. Pediatric Neurology, 47, 242-251 Krakowiak, P., Goodlin-Jones, B., Hertz-Picciotto, I., Croen, L. & Hansen, R. 2008. Sleep problems in children with autism spectrum disorders, developmental delays, and typical development: a population-based study. Journal of Sleep Research, 17, 197-206 Kurth, S., Ringli, M., Geiger, A., LeBourgeois, M., Jenni, O.G., & Huber, R. 2010. Mapping of cortical activity in the first two decades of life : a high-density sleep electroencephalogram study. Journal of Neuroscience, 30, (40) 13211-13219 Lambert, A.*, Tessier, S.*, Mottron, L., Godbout, R. Sleep architecture in children with autism. 20th Congress of the European Sleep Society, Lisbonne (Portugal), September 14-18, 2010. Journal of Sleep Research 2010: 19 (suppl. 2): 209. Limoges, É., Bolduc, C., Berthiaume, C., Mottron, L. & Godbout, R. 2013. Relationship between poor sleep and daytime cognitive performance in young adults with autism. Research in Developmental Disabilities, 34, 1322-1335 Limoges, É., Mottron, L., Bolduc, C., Berthiaume, C., & Godbout, R. 2005. Atypical sleep architecture and the autism phenotype. Brain, 128, 1049-1061 Loomis, A. L., Harvey, E. N., & Hobart, G. 1935. Potential rhythms of the cerebral cortex during sleep. Science, 81, 597-598 Lord, C., Risi, S., Lambrecht, L., Cook, E.H., Jr., Leventhal, B.L., DiLavore, P.C., . . . Rutter, M. 2000. The autism diagnostic observation schedule-generic: a standard measure of social and communication deficits associated with the spectrum of autism. Journal of Autism Developmental Disorders, 30, (3) 205-223 Lord, C., Rutter, M. & Le Couteur, A. 1994. Autism Diagnostic Interview-Revised: a revised version of a diagnostic interview for caregivers of individuals with possible pervasive developmental disorders. Journal of Autism Developmental Disorders, 24, (5) 659-685 Maldonado, R. 2013. Comparison of the pharmacokinetics and clinical efficacy of new extended-release formulations of methylphenidate. Expert Opinion on Drug Metabolism and Toxicology, [sous presse] Marco, E.J., Barett, L., Hinkley, N., Shan Hill, S., & Nagarajan, S.S. 2011. Sensory processing in autism : a review of neurophysiologic findings. Pediatric Research, 69, 48-54 McCormick, L., Nielsen, T., Nicolas, A., Ptito, M., & Montplaisir, J. 1997. Topographical distribution of spindles and K-complexes in normal subjects. Sleep, 20, (11) 939-941 63 McDougle, C.J., Naylor, S.T., Cohen, D.J., Aghajanian, G.K., Heninger, G.R., Price, L.H. 1996. Effects of tryptophan depletion in drug-free adults with autistic disorder. Archives of General Psychiatry. 53, (11) 993-1000 McGeer, E.G. & McGeer, P.L. 1980. Aging and neurotransmitter systems. Advance Biochemical Psychopharmacology, 23, 305-314 Miano, S., Bruni, O., Elia, M., Trovato, A., Smerieri, A., Verrillo, E., Roccella, M., Terzano, M.G., & Ferri, R. 2007. Sleep in children with autistic spectrum disorder: a questionnaire and polysomnographic study. Sleep Medicine, 9, 64-70 Morrissey, M.J., Duntley, S.P., Anch, A.M., & Nonneman, R. 2004. Active sleep and its role in the prevention of apoptosis in the developing brain. Medical Hypotheses, 62, 876-879 Nader, R.S., Smith, C.T. 2001. The relationship between stage 2 sleep spindles and intelligence. Sleep, 24 (S), A160. Nemeth, D., Janacsek, K., Balogh, V., Londe, Z., Mingesz, R., Fazekas, M., Jambori, S., Danyi, I., & Vetro, A. 2010. Learning in autism : implicitly superb. PLoS ONE, 5, (7) 1-7 Ohayon, M., Carskadon, M.A., Guilleminault, C., & et al. 2004. Meta-analysis of quantitative sleep parameters from childhood to old age in healthy individuals: developing normative sleep values across the human lifespan. Sleep, 27, 1255-1273 Olejniczak, P. 2006. Neurophysiologic basis of EEG. Journal of Clinical Neurophysiology, 23, (3) 186-189 Pace-Schott, E.F. & Hobson, J.A. 2002. The neurobiology of sleep: genetics, cellular physiology and subcortical networks. Nature Reviews Neuroscience, 3, 591-605 Peter-Derex, L., Comte, J.-C., Mauguière, F., & Salin, P.A. 2012. Density and frequency caudo-rostral gradients of sleep spindles recorded in the human cortex. Sleep, 35, (1) 69-79 Piven, J., Harper, J., Palmer, P & Arndt, S. 1996. Course of behavioral change in autism: A retrospective study of high-IQ adolescents and adults. Journal of the American Academy of Child and Adolescent Psychiatry, 35, 523-529 Pivik, R., Broughton, R., Coppola, R., Davidson, R., Fox, N., & Nuwer, M. 1993. Guidelines for the recording and quantitative analysis of electroencephalographic activity in research contexts. Psychophysiology, 6, 547-558 Purves, D., Augustine, G. J., Fitzpatrick, D., Katz, L. C., LaMantia, A.-S., McNamara, J. O., & Williams, S. M. Neurosciences. Chapitre 28 : Le sommeil et la veille, 603-623. 2003. Raven, J., Raven, J.C. & Court, J.H. (Eds.). 1998. Section 3. Standard progressive matrices, dans Raven Manual. Oxford, England: Oxford Psychologists Press 64 Rechtschaffen, A., Bergmann, B.M., Everson, C.A., Kushida, C.A., & Gilliland, M.A. 1989. Sleep deprivation in the rat : X. Integration and discussion of the findings. Sleep, 12, (1) 68-87 Rechtschaffen, A. & Kales, A. 1968 A manual of standardized terminology, techniques and scoring system for sleep stages in human subjects. Brain Information Service/Brain Research Institute Édition, nouvelle impression (1977) Richdale, A.L. & Schreck, K.A. 2009. Sleep problems in autism spectrum disorders: prevalence, nature and possible biopsychosocial aetiologies. Sleep Medicine Reviews, 13, 403411 Scholle, S., Zwacka, G., & Scholle, H. 2007. Sleep spindle evolution from infancy to adolescence. Clinical Neurophysiology, 1525-1531 Schönwald, S.V., Carvalho, D.Z., Dellagustin, G., de Santa-Helena, E.L., & Gerhardt, G.J. 2011. Quantifying chirp in sleep spindles. Journal of Neuroscience Methods Scraggs, T.L. 2012. EEG maturation: viability through adolescence. The Neurodiagnostic Journal, 52, (2) 176-203 Shibagaki, M., Kiyono, S. & Watanabe, K. 1982. Spindle evolution in normal and mentally retarded children: a review. Sleep, 5, (1) 47-57 Siegel, J.M. 2005. Clues to the functions of mammalian sleep. Nature, 437 (7063) 1264-1271 Silver, W.G. & Rapin, I. 2012. Neurobiological basis of autism. Pediatric Clinics of North America, 59, 45-61 Simonoff, E., Pickles, A., Charman, T., Chandler, S., Loucas, T., & Baird, G. 2008. Psychiatric disorders in children with autism spectrum disorders: Prevalence, comorbidity, and associated factors in a population-derived sample. Journal of the American Academy of Child and Adolescent Psychiatry, 47, 921–929 Takahashi, J.S., Hong, H.K., Ko, C.H. & McDearmon, E.L. 2008. The genetics of mammalian circadian order and disorder: implications for physiology and disease. Nature Reviews, Genetics, 9, 764-775 Thatcher, R.W., North, D.M., Neubrander, J., Biver, C.J., Cutler, S. & DeFina, P. 2009. Autism and EEG phase reset: deficient GABA mediated inhibition in thalamo-cortical circuits. Psychology Press, 34, (6) 780-800 Tuchman, R. & Rapin, I. 2002. Epilepsy in autism. The Lancet, 1, 352-358 van der Helm, E. & Walker, M.P. 2009. Overnight therapy? The role of sleep in emotional brain processing. Psychology Bulletin, 123, (5) 731-748 65 Vessely, L. H. & Lewy, A. J. 2002. Melatonin as a hormone and as a marker for circadian phase position in humans. Dans In Hormones, Brain and Behavior, Academic Press, ed., San Diego, California: Elsevier, 121-142 Wechsler, D. 1991. Wechsler Intelligence Scale for Children, 3 éd. Toronto, Psychological Corporation Wechsler, D. 1997. Wechsler Adult Intelligence Scale, 3 éd. San Antonio, Psychological Corporation Williams, J.G., Higgins, J.P.T., & Brayne, C.E.G. 2006. Systematic review of prevalence studies of autism spectrum disorders. Archives of Disease in Childhood, 91, 8–15 66